MétaCan
Menu
Retour à la cohorte
Enregistrement W2608242925 · doi:10.21236/ad1013452

The Influence of Processing Soil With a Coffee Grinder on Soil Classification

2015· report· en· W2608242925 sur OpenAlexaboutno aff
Karen S. Henry, Heidi Hunter, Benjamin Fonte

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPulverizerEnvironmental scienceAgronomySoil scienceAgricultural engineeringEngineeringBiologyGrindingMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract : Use of a coffee grinder to break up clods of soils is one of the recommended practices of the Rapid Soils Analysis Kit (RSAK). This leads to the question that it may produce fines by cutting/breaking larger particles-potentially leading to the mis-classification of soil. In order to investigate this hypothesis, we performed a laboratory investigation to determine if the use of a coffee grinder produces fines from sand-size particles and whether the production of more finescan result in a different uses classification by some combination of adding soil fines and changing the Atterberg Limits of the fines tested. Three soils were tested--Ottawa Sand (SP), a poorly graded sand with silt (SP-SM) and a sandy lean clay (CL). Processing the soils for 90 seconds in a coffee grinder produced from 15.9% to 18.5% fines from the Ottawa Sand and established that the coffee grinder breaks down sand particles into fines. For the coarse Elevator Soil, originally an SP-SM, the fines production changed the soil classification to SM, while the Liquid Limit decreased from a measureable 21 to non-plastic, and Plastic Limit decreased from 19 to 17. For the Harte Clay (CL), the soil classification did not change; but the Liquid Limitand Plastic Limit both significantly increased. Therefore, for both the production of fines and the resulting impact on Atterberg Limits, the influence of using a coffee grinder to process soil cannot be quantified without further, systematic study.

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)0,003
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 enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,252
Écart entre enseignants0,218 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil and Unsaturated FlowTravaux en français237 207