MétaCan
Menu
Retour à la cohorte
Enregistrement W2905967871 · doi:10.3390/app8101730

Early-Age Cracking in Concrete: Causes, Consequences, Remedial Measures, and Recommendations

2018· article· en· W2905967871 sur OpenAlexaff
Md. Safiuddin, A. B. M. A. Kaish, Chin Ong Woon, Sudharshan N. Raman

Notice bibliographique

RevueApplied Sciences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Properties and Behavior
Établissements canadiensGeorge Brown College
Organismes subventionnairesUniversiti Kebangsaan Malaysia
Mots-clésCrackingForensic engineeringService lifeRemedial educationReinforced concreteEngineeringMaterials scienceStructural engineeringComposite materialPsychology

Résumé

récupéré en direct d'OpenAlex

Cracking is a common problem in concrete structures in real-life service conditions. In fact, crack-free concrete structures are very rare to find in real world. Concrete can undergo early-age cracking depending on the mix composition, exposure environment, hydration rate, and curing conditions. Understanding the causes and consequences of cracking thoroughly is essential for selecting proper measures to resolve the early-age cracking problem in concrete. This paper will help to identify the major causes and consequences of the early-age cracking in concrete. Also, this paper will be useful to adopt effective remedial measures for reducing or eliminating the early-age cracking problem in concrete. Different types of early-age crack, the factors affecting the initiation and growth of early-age cracks, the causes of early-age cracking, and the modeling of early-age cracking are discussed in this paper. A number of examples for various early-age cracking problems of concrete found in different structural elements are also shown. Above all, some recommendations are given for minimizing the early-age cracking in concrete. It is hoped that the information conveyed in this paper will be beneficial to improve the service life of concrete structures. Concrete researchers and practitioners may benefit from the contents of this paper.

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)0,004
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0030,001
Intégrité de la recherche0,0060,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,044
Tête enseignante GPT0,261
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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations218
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetConcrete Properties and BehaviorTravaux en français237 207