MétaCan
Menu
Retour à la cohorte
Enregistrement W2736600940

Utilização de ensaios tecnológicos como auxílio na interpretação do polimento de rochas ornamentais

2015· article· pt· W2736600940 sur OpenAlexaboutno aff
Jefferson Luiz Camargo, Antônio Carlos Artur, Leonardo Luiz Lyrio da Silveira

Notice bibliographique

RevueUNESP Institutional Repository (São Paulo State University) · 2015
Typearticle
Languept
DomaineEngineering
ThématiqueTunneling and Rock Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyGneissPetrographyPolishingMineralogyMaterials scienceGeochemistryComposite materialMetamorphic rock
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The polishment is the main type of finishing performed in slabs and tiles of rocks, which is done by the friction generated in the rotational motion of abrasive elements disposed in polishing heads, under pressure, against the rock surface. The rock is an active element in the process, therefore the knowledge of its properties, can contribute to improving the understanding of this important stage of processing. Three petrographic types of rocks with distinct textural and structural, were selected for this study, in order to compare the results of characterization tests and try to relate intrinsic characteristics which most influenced the action of wear, supporting information for interpretation of the polishing process. The chosen materials were charnockite, monzogranite and gneiss, known commercially Verde Labrador, Cinza Castelo and Preto Indiano. Among the mechanical-physical tests, the results of the uniaxial compression strength, density, water absorption, coefficient of linear thermal expansion and propagation of longitudinal waves show no direct correlation with experimental results of polishing. On the other hand, the porosity, wear resistance and knoop hardness show apparent direct correlation with the rock polishing.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,019
Tête enseignante GPT0,218
Écart entre enseignants0,199 · 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 revueUNESP Institutional Repository (São Paulo State University)Même sujetTunneling and Rock MechanicsTravaux en français237 207