MétaCan
Menu
Retour à la cohorte
Enregistrement W1975844137 · doi:10.1520/jai100718

Catching the Elusive Water-Cement Ratio Using Petrographic Methods—and Their Evaluation

2008· article· en· W1975844137 sur OpenAlexaff
Bernard Erlin

Notice bibliographique

RevueJournal of ASTM International · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Resources Studies
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésPetrographyVariety (cybernetics)Water–cement ratioComputer scienceEpoxyInterpretation (philosophy)Absorption of waterMaterials scienceCementComposite materialProcess engineeringGeologyArtificial intelligenceMineralogyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Petrographers use a variety of techniques for estimating the w/c and w/cm of hardened concrete. The estimates are routinely accepted by the concrete industry. Generally, four general methods are popular today: (1) water-droplet absorption; (2) scratch hardness; (3) combination of 12 or so microscopical and physical observations of the paste; and (4) methods where thin sections of concrete are impregnated with blue- or fluorescent-dyed epoxy. Sometimes combinations are used. There are few specific details in the literature for assessing the precision of the w/c using these methods except for the fluorescence technique, where there has been controversy about its claimed accuracy. The degree of interpretation of data from each method is based upon the comfort of petrographers in extending their expertise to provide that estimate. The deftness, skill, and experience of the petrographers will usually dictate their comfort zone. However, sometimes confounding that estimate is the existing concrete condition. The acceptability of the petrographic estimates depends on: (1) competency of the petrographer; (2) validity of the technique(s) used; (3) ability of the petrographer to qualify the techniques used; (4) the purpose(s) to which the data will be used; and (5) needs of those who either want to accept the estimates or debunk the estimates—for whatever reason.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0100,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,107
Tête enseignante GPT0,345
Écart entre enseignants0,238 · 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ASTM InternationalMême sujetWater Quality and Resources StudiesTravaux en français237 207