MétaCan
Menu
Retour à la cohorte
Enregistrement W2808045548

Estimación del daño en paneles de vidrio

2018· article· es· W2808045548 sur OpenAlexaboutno aff
Bertha A. Olmos Navarrete, Heriberto Puga Juárez, Luís Olmos, J.M. Jara

Notice bibliographique

Revuenon disponible
Typearticle
Languees
DomaineAgricultural and Biological Sciences
ThématiquePlant Surface Properties and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesStructural integrityPhysicsPhilosophyEngineeringStructural engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La prediccion de la carga de falla de placas de vidrio con diferentes tipos de apoyo sometidas a carga uniforme, ha sido uno de los objetivos principales en los codigos de diseno de los Estados Unidos, Canada y la Union Europea. Las metodologias y codigos de diseno se basan en conceptos y criterios aplicables a la prediccion de la carga, asociada a una probabilidad especifica, que lleva a la falla a elementos estructurales de vidrio. El objetivo de este trabajo es estimar curvas de fragilidad de cortinas de vidrio sujetas a diferentes escenarios de presion uniforme representativos de las cargas de viento esperadas en este tipo de estructuras, tomando como base el modelo de prediccion del tiempo de vida. La capacidad estructural de los elementos de vidrio se determino experimentalmente para especimenes de vidrio de silice nuevo, tal y como se obtuvieron de fabrica, es decir sin ningun tratamiento previo. A pesar de que este tipo de material es fragil y su resistencia presenta mucha variabilidad, se utiliza cada dia con mayor frecuencia como elemento estructural. La capacidad y demanda se asocian mediante el modelo de prediccion  de vida util. Los resultados nos permiten comprender los mecanismos de falla de los paneles de vidrio para diferentes espesores, asi como estimar su probabilidad de falla usando como herramienta a las curvas de fragilidad.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,024
Tête enseignante GPT0,241
Écart entre enseignants0,217 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlant Surface Properties and TreatmentsTravaux en français237 207