MétaCan
Menu
Retour à la cohorte
Enregistrement W2547745428 · doi:10.3989/mc.2016.01716

Influence of aggregate and supplementary cementitious materials on the properties of hydrated lime (CL90s) mortars

2016· article· en· W2547745428 sur OpenAlexaff
Sara Pavía, Marwa Aly

Notice bibliographique

RevueMateriales de Construcción · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueBuilding materials and conservation
Établissements canadiensTrinity College
Organismes subventionnairesIrish Research CouncilTrinity College Dublin
Mots-clésCementitiousLimeMortarCarbonationMaterials scienceGround granulated blast-furnace slagPozzolanAggregate (composite)Composite materialCompressive strengthPorosityMasonryCementPortland cementMetallurgy

Résumé

récupéré en direct d'OpenAlex

Hydrated lime is a historic material currently used in conservation. It hardens slowly by carbonation slowing construction however, supplementary cementitious materials accelerate hardening enhancing strength. Hydrated-lime mortars with rice husk ash–RHA-; ground granulated blastfurnace slag–GGBS- and increasing amounts of two aggregates were studied. Increasing aggregate lowered strength as interfacial zones proliferate; it lowered hygric properties and raised water demand. Aggregate content/composition didn’t affect the high water retention. For the higher aggregate contents (90 days), limestone mortars are c.20% stronger than silica mortars while the (1:1) silica sand mortars are 56% stronger in flexion. Additions increased strength with little impact on hygric properties. GGBS increased strength c.six times. RHA increased strength with little impact on hygric properties due to its great specific surface and high water-demand increasing porosity. GGBS and RHA properties ruling hydrate production and the kinetics of the pozzolanic reaction are considered partially responsible for the mortar property variation.

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)0,000
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
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,182
Écart entre enseignants0,168 · 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

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMateriales de ConstrucciónMême sujetBuilding materials and conservationTravaux en français237 207