MétaCan
Menu
Retour à la cohorte
Enregistrement W1512120207 · doi:10.5539/jmsr.v4n4p19

Freezing Thawing Resistance of Concrete Incorporating Glass Waste

2015· article· en· W1512120207 sur OpenAlexvenueno aff
Raed M. Abendeh, Khaled Ramadan, Rami H. Haddad, Mousa BaniBaker

Notice bibliographique

RevueJournal of Materials Science Research · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDurabilityAggregate (composite)Flexural strengthComposite materialCompressive strengthProperties of concreteCementYoung's modulusElastic modulus

Résumé

récupéré en direct d'OpenAlex

Glass waste, which is dumped around the world in huge amounts, can be used as a partial replacement of mineral aggregate in concrete industry. This would not only contribute to reducing pollution extent but also enhancing physical properties and durability of concrete. This article reports the mechanical performance of concrete with different replacement percentages of crushed glass waste of cement or fine aggregates before and after being subjected to standard cycles of freezing and thawing. Mechanical performance was evaluated in terms of compressive and flexural strengths. Furthermore, internal damage extent was evaluated using ultrasonic pulse velocity and dynamic modulus of elasticity. The results (average of six specimens for each test) revealed the feasibility of incorporating glass waste in concrete mixtures for the purpose of improving strength and durability; especially in environments where concrete is being exposed to an effective freezing and thawing cycles.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,734

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,091
Tête enseignante GPT0,351
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetConcrete and Cement Materials ResearchTravaux en français237 207