MétaCan
Menu
Retour à la cohorte
Enregistrement W1970770433 · doi:10.3151/jact.13.112

Effect of Self-Healing on the Different Transport Properties of Cementitious Composites

2015· article· en· W1970770433 sur OpenAlexaff
Ahmed Alyousif, Mohamed Lachemi, Gürkan Yıldırım, Mustafa Şahmaran

Notice bibliographique

RevueJournal of Advanced Concrete Technology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Applications in Construction Materials
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesDivision of Electrical, Communications and Cyber SystemsTürkiye Bilimler Akademisi
Mots-clésSorptivityMaterials scienceCementitiousComposite materialCuring (chemistry)Water transportSelf-healingCementGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

This research focuses on the effects of self-healing on the different transport properties of microcracked Engineered Cementitious Composites (ECC) with different maturity levels and incorporating three different mineral admixtures with greatly varying chemical compositions. The effect of self-healing capability on transport properties was assessed using water sorptivity and rapid chloride permeability tests (RCPT). Experimental results revealed that with the selection of proper mineral admixture type and conditioning, a 92% recovery in water sorptivity results is attainable. Moreover, a considerable amount of this recovery took place after only 7 days of water curing, significantly lowering the risk of water transport by capillary suction into cracked ECC. Like the sorptivity measurements, most of the chloride ion penetrability values could also be reduced up to a great extent after 30 days of water curing, so most of the results fell into the low penetrability level during this period, as prescribed by ASTM C1202. Although self-healing in terms of RCPT results started to be visible in the first 7 days of water curing, significant improvements needed more time in RCPTs, unlike the sorptivity results. Overall, these findings suggest that the rate of self-healing varies depending on the different transport mechanisms dominant in a given infrastructure type during its service life.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), 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

Citations59
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Concrete TechnologyMême sujetMicrobial Applications in Construction MaterialsTravaux en français237 207