MétaCan
Menu
← Back to cohort
Record W7165050273 · doi:10.71892/11143/1735

Comparaison expérimentale de procédés de séparation du plastique des matières naturelles

2023· other· fr· W7165050273 on OpenAlexaboutno aff
Jean-David Lantagne

Bibliographic record

VenueOpen MIND · 2023
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsEnvironmental factorDebitageNature Conservation

Abstract

fetched live from OpenAlex

L’accumulation de microplastique sur les plages est une problématique qui inquiète de plus en plus la communauté scientifique en raison des impacts néfastes sur les écosystèmes et potentiellement sur la santé humaine. Les solutions existantes dans l’industrie des équipements de nettoyage de plage sont intrusives pour la faune des berges puisqu’ils retirent une quantité importante de matières naturelles, essentielles à leur survie. Des municipalités, conscientes de ces effets néfastes, interdisent l’utilisation de ces équipements sur leur plage. Souhaitant intégrer ce nouveau marché écoresponsable, la compagnie Hoola One Technologies a mandaté l’Université de Sherbrooke d’identifier quel procédé de séparation serait le plus adapté et performant pour retirer le plastique de l’environnement tout en rejetant un maximum de matière naturelle dans l’environnement. Pour y arriver, une revue de la littérature a été effectuée dans le but d’identifier les procédés de séparation possédant le plus de potentiel pour répondre à cette problématique. De cette étude, deux procédés ont été identifiés, dont un complètement nouveau n'ayant jamais été testé auparavant et un utilisé dans un contexte de laboratoire. Les deux procédés, traitement par pression positive (TPP) et traitement par pression négative (TPN) utilisent le même principe de séparation qui force de l’eau à l’intérieur des porosités de la matière naturelle en appliquant une variation de pression dans un réservoir de décantation. La matière, ayant absorbée une grande quantité d’eau dans ses pores devient plus dense que l’eau et coule, la séparant ainsi du plastique qui flotte. Cependant, pour réaliser cette pénétration d’eau dans la matière, le procédé TPN utilise une variation de pression négative tandis que le procédé TPP utilise une variation de pression positive. Dans le but d'identifier le procédé le plus adapté aux besoins de Hoola One, une analyse comparative expérimentale a été effectuée avec des bancs d’essai à échelle réduite. Une approche en deux étapes a été utilisée pour cette analyse. La première étape a permis de mieux comprendre ces deux procédés et d’identifier les paramètres d’opération optimaux de ces méthodes de séparation. À l’aide de ceux-ci, la deuxième étape d’essais de performance a permis de caractériser les performances maximales de ces deux procédés selon les critères de taux de séparation de matière naturelle et de capacité volumique de traitement. La conclusion de cette analyse est que le procédé TPP avec un taux de séparation de 77% et une capacité de traitement volumique de 0,022 m3/min est le procédé le plus performant et adapté pour répondre à la problématique de Hoola One.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.006
Threshold uncertainty score0.019

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0060.001

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.

Opus teacher head0.046
GPT teacher head0.349
Teacher spread0.303 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueOpen MIND→French-language works237,207→