MétaCan
Menu
Retour à la cohorte
Enregistrement W2247949066

TECHNICAL EFFECTS OF AIR COOLED BLAST FURNACE SLAG ON ASPHALT MIXTURES

2005· article· fa· W2247949066 sur OpenAlexaff
A Esmaeili Kalalagh, Seyed Morteza Marandi, P Safapour

Notice bibliographique

Revueپژوهشنامه حمل و نقل · 2005
Typearticle
Languefa
DomaineMaterials Science
ThématiqueEngineering and Material Science Research
Établissements canadiensMinistry of Transportation of Ontario
Organismes subventionnairesnon disponible
Mots-clésAsphaltMetallurgyGround granulated blast-furnace slagSlag (welding)BoilingWaste managementBlast furnaceMaterials scienceLimeEnvironmental scienceComposite materialEngineeringCementChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Air cooled blast furnace slag is a by product made of gradually air cooled molten blast furnace slag and is often stored in stockpiles near the iron mills and usually occupy a wide area around the iron mills. From this perspective the further use of these materials can have its own merits. Air cooled blast furnace slag can be used in asphalt mixtures because of their proper frictional properties. This research is conducted to investigate the effect of air cooled blast furnace slag on technical characteristics of asphalt mixtures and compare the results with the traditional asphalt mixtures. Two series of Marshal and Texas Boiling Tests were carried out in the laboratory. Three types of aggregates (air cooled blast furnace slag, siliceous gravel, lime gravel) with two types of dense graded and open graded were used. The frictional properties of the asphalt mixed with air cooled blast furnace slag materials were evaluated by using the British Pendulum, and the Sand Patch Method. Resistance to moisture was also determined in accordance to Texas Boiling Test. Results showed that by increasing percentage of air cooled blast furnace slag in asphalt mixtures, Marshall Stability, flexibility and skid resistance augmented. Also Texas Boiling Tests indicated that asphalt mixtures have a good resistance to stripping.

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 enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,277
Écart entre enseignants0,268 · 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

Citations3
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueپژوهشنامه حمل و نقلMême sujetEngineering and Material Science ResearchTravaux en français237 207