Bibliographic record
Abstract
La praticabilité d'utiliser un spectromètre infrarouge portatif comportant un filtre variable superposé à une barrette de détecteurs (dénommé un spectromètre VFA IR) et équipé d'une cellule d'écoulement de transmission pour analyser quantitativement les huiles de table pour leur teneur en acide gras libre (AGL) a été évaluée. L'approche à la détermination de la teneur en AGL a été basée sur une méthode précédemment élaborée sur un spectromètre infrarouge à transformée de Fourier (IRTF) qui implique l'extraction des AGL dans le méthanol contenant le cyanamide d'hydrogène de sodium, qui convertit les AGL en leurs sels, suivie de la mesure de l'absorbance de carboxylate à 1571 cm-1 dans le spectre de la phase de méthanol. L'Énergie fournie par la source pulsée relativement faible du spectromètre VFA IR s'est avérée insuffisante pour la mesure précise de l'absorption de carboxylate superposée à l'absorption forte de méthanol à 1450 cm-1. En changeant le dissolvant d'extraction en éthanol, de bons spectres et des courbes d'étalonnage ayant un écart-type global de ±0.07% AGL ont pu être obtenus. Ce travail a à son tour mené à la recherche sur l'utilisation d'une solution d'éthanol et de NaHNCN comme réactif de transduction de signal pour une analyse de nombre acide (NA) en huiles lubrifiantes à base minérale, par lequel l'acidité totale soit mesurée par la diminution de l'absorption νC≡N du NaHNCN à 2109 cm-1 comme résultat de la réaction acide-base. La réponse équivalente de l'absorption νC≡N aux acides inorganiques forts et à l'acide oléique a démontré que le NaHNCN, une base légèrement plus faible que le KOH, ionise entièrement les acides organiques. Des solutions étalons ont été préparées par l'addition directe de l'acide oléique à la solution de NaHNCN/éthanol, et une équation de calibrage pour la détermination de NA a été obtenue par un ajustement quadratique des données de co
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".