MétaCan
Menu
Retour à la cohorte
Enregistrement W2027793047 · doi:10.1139/l05-093

Development of fiber reinforced concrete repair materials

2006· article· en· W2027793047 sur OpenAlexvenueaboutno aff
Nemkumar Banthia, Rishi Gupta, S. Mindess

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Properties and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCrackingOverlayFiber-reinforced concreteShrinkageMaterials scienceFiberDeckComposite materialForensic engineeringStructural engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Early age shrinkage cracking remains a critical concern for cement-based repairs and overlays. Fibers mitigate such cracking, but no standardized technique of assessing the performance of a given fiber exists. Recently, a novel technique of making such an assessment was developed at The University of British Columbia (UBC). In this test method, currently being balloted through the ASTM, an overlay of fiber reinforced concrete (FRC) material to be tested is cast directly on a fully matured sub-base with protuberances, and the entire assembly is subjected to controlled drying. Cracking in the overlay is then monitored and characterized. The technique was recently employed to develop "crack-free" overlay materials for two repair sites. One was a parking garage in Downtown Vancouver, British Columbia, and the other was the plaza deck at The UBC Aquatic Center. For the parking garage, a carbon fiber reinforced concrete and for the plaza deck, a cellulose fiber reinforced concrete were developed. Both overlays were instrumented with strain sensors and data were monitored over the Internet.Key words: fiber reinforced concrete, shrinkage cracking, strain monitoring, carbon fibers, cellulose fibers.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,167
Écart entre enseignants0,159 · 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

Citations17
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetConcrete Properties and BehaviorTravaux en français237 207