MétaCan
Menu
Retour à la cohorte
Enregistrement W2899181285 · doi:10.1051/matecconf/201819903004

Determining alkali leaching during accelerated ASR performance testing and in field exposed cubes using cold water extraction (CWE) and µXRF

2018· article· en· W2899181285 sur OpenAlexaff
Jan Lindgård, Tone Anita Østnor, Benoît Fournier, Øyvind Lindgård, Tobias Danner, Gilles Plusquellec, Klaartje De Weerdt

Notice bibliographique

RevueMATEC Web of Conferences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésLeaching (pedology)Alkali metalPortland cementCementLeachateMineralogyMaterials scienceFly ashMetallurgyChemistryEnvironmental chemistryComposite materialEnvironmental scienceSoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

Considerable leaching of alkali metals was documented, both in concrete samples exposed to accelerated laboratory testing and field samples. CWE allowed to quantitatively determine the free alkali metal profiles as a function of the depth. However, CWE cannot account for the changes in the paste content towards a cast surface leading to a seemingly increase in alkali metals. The μXRF allowed to distinguish paste and aggregates. It allowed thereby to determine qualitative Na and K profiles in the cement paste phase of the concrete samples. The laboratory exposed samples showed a clear leaching profile into a depth of about 15 mm after 21 weeks of exposure at 60°C. Corresponding numbers for the 12 years field exposed cube were 50-60 mm. Alkali sorption by alkali silica gel was detected using the μXRF. For the laboratory exposed samples, the prisms prepared with Portland fly ash cement leached less alkali compared to the prisms prepared with ordinary Portland cement, as expected. The leaching in the middle of the prisms estimated based on the μXRF profiles agreed rather well with the level of alkali leaching determined based on the analysis of the leachate (i.e. the water below the samples during exposure).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,062
Tête enseignante GPT0,283
Écart entre enseignants0,222 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMATEC Web of ConferencesMême sujetConcrete and Cement Materials ResearchTravaux en français237 207