MétaCan
Menu
Retour à la cohorte
Enregistrement W2744032119 · doi:10.1061/9780784480885.045

Developing and Implementing a PCCP Condition Assessment Program

2017· article· en· W2744032119 sur OpenAlexaffabout
G Nielsen, Amanda Shane, Peter D. Nardini, Rasko P. Ojdrovic

Notice bibliographique

RevuePipelines 2017 · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueQuality and Safety in Healthcare
Établissements canadiensImpactOttawa Public Health
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

This paper presents the City of Ottawa’s recent experiences developing and implementing a condition assessment program for large-diameter watermains. A significant portion of the inventory is comprised of prestressed concrete cylinder pipe (PCCP) lines, and due to recent failures on these pipes, efforts have been focused on understanding the condition and failure mechanisms of the PCCP in their system. As the City has embarked on their inspection program, it has become apparent that compiling and managing available data, filling in missing critical pieces of data, selecting appropriate PCCP inspection tools, and interpreting inspection results are all critical to developing a complete program. The goal of the City’s condition assessment program is to identify distressed pipes with broken prestressing wires, evaluate the risk of failure of such distressed pipes, and repair or replace pipes at high risk of failure. In order to achieve this goal, the City needs to understand the structural capacity of the pipes, the sensitivity of the pipes to prestressing wire breaks, and which inspection technologies provide sufficient resolution in the distress estimation. This paper will present an overview of the original condition assessment approach at the City of Ottawa, data sources and gathering efforts, how the program evolved as well as the lessons learned and improvements of the program over time.

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)0,016
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,702

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,005
Études des sciences et des technologies0,0050,002
Communication savante0,0040,003
Science ouverte0,0040,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,332
Tête enseignante GPT0,620
Écart entre enseignants0,288 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePipelines 2017Même sujetQuality and Safety in HealthcareTravaux en français237 207