MétaCan
Menu
Retour à la cohorte
Enregistrement W2808648506 · doi:10.36829/63cts.v4i2.517

Sensores electrónicos aplicados a la Ingeniería Civil (módulo de electrónica)

2017· article· es· W2808648506 sur OpenAlexaff
Antonio E. Navas-Contreras

Notice bibliographique

RevueCiencia Tecnologí­a y Salud · 2017
Typearticle
Languees
DomaineSocial Sciences
ThématiqueKnowledge Societies in the 21st Century
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Se trabajaron tres proyectos con el apoyo de Cementos Progreso y la Coordinadorea Nacional para la Reducción de Desastres (Conred): (1) Mejoramiento del sistema de monitoreo del nivel de ríos que utiliza Conred. Se desarrolló un sistema electrónico encargado de registrar el cambio de nivel del río y enviar automáticamente un mensaje de texto preventivo, mediante un módulo GSM, cuando el río alcance un nivel de peligro. (2). Medición de temperatura del concreto para determinar su grado de madurez, se utilizaron termocúplas tipo K modelo DS18B20 introducidas dentro del bloque de concreto a analizar, registrando el cambio de temperatura. Se utilizó un ordenador de placa, Raspberry-Pi, para almacenar los datos del cambio de temperatura, para luego enviar un informe diario por correo electrónico. Se determinó el índice de madurez del concreto analizado y se construyó una gráfica de temperatura-resistencia, para predecir la resistencia final aproximada que alcanza a los 28 días. (3). Análisis de deformaciones internas y deflexiones en losas convencionales de pavimentación. Para analizar las deformaciones internas que dichas losas experimentan con el paso del tránsito vehicular, se utilizaron galgas extensiométricas tipo PML-60-2LT. La deflexión de las losas se midió con un reloj comparador y una cámara web, para tomar una fotografía al momento de que pase un vehículo sobre la losa. Las galgas extensiométricas se conectaron a un Raspberry Pi para procesar y almacenar los datos, y enviar un informe diario por correo electrónico.

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)0,002
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: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,016
Tête enseignante GPT0,339
Écart entre enseignants0,323 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueCiencia Tecnologí­a y SaludMême sujetKnowledge Societies in the 21st CenturyTravaux en français237 207