MétaCan
Menu
Retour à la cohorte
Enregistrement W2302216584 · doi:10.1139/cjce-2015-0553

A study on pothole repair in Canada through questionnaire survey and laboratory evaluation of patching materials

2016· article· en· W2302216584 sur OpenAlexaffvenueabout
Simita Biswas, Leila Hashemian, M. Hasanuzzaman, Alireza Bayat

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensUniversity of AlbertaCanadian Natural Resources
Organismes subventionnairesNew Jersey Department of Transportation
Mots-clésPothole (geology)DurabilityEnvironmental scienceAsphaltAsphalt pavementWearing courseCuring (chemistry)MoistureForensic engineeringEngineeringMaterials scienceComposite materialGeology

Résumé

récupéré en direct d'OpenAlex

To investigate the current pothole repair practices in Canada, a questionnaire was distributed to Canadian transportation agencies. Outcomes showed a large portion of pothole repairs were performed during the summer season. Conventional cold mix, hot mix asphalt, Quality Pavement Repair, and Innovative Asphalt Repair were identified as commonly used patching materials. Moreover, the ‘throw-and-go’ method was the most common patching procedure and durability of repaired patches in winter was significantly less than repaired patches in summer. To evaluate the performance of patching materials, a laboratory testing program was conducted on cold mixes identified by the survey as being most commonly used. The laboratory results showed that curing time and temperature had a significant effect on strength gain for all cold mixes. Conventional cold mix showed higher stability and cohesion properties, while Quality Pavement Repair showed better moisture resistance and adhesion properties. All the cold mixes were sensitive to freeze–thaw damage.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,725
Score d'incertitude au seuil0,738

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,238
Écart entre enseignants0,216 · 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'étudeObservationnel
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

Citations34
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207