MétaCan
Menu
Retour à la cohorte
Enregistrement W2950106550 · doi:10.1080/14680629.2019.1625807

Macro and microstructural characterisation of waste foundry sand reused as aggregate

2019· article· en· W2950106550 sur OpenAlexaff
Paulo Paiva Oliveira Leite Dyer, Luis Miguel Gutiérrez Klinsky, Silvelene Alessandra Silva, Rodrigo Alves e Silva, Maryangela Geimba de Lima

Notice bibliographique

RevueRoad Materials and Pavement Design · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensQueen's University
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésFoundryAsphaltAggregate (composite)PetrographyMaterials scienceScanning electron microscopeAsphalt pavementWaste managementMetallurgyEnvironmental scienceComposite materialMineralogyGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

In this study, representative samples of waste foundry sand (WFS) from an industrial landfill and steel industries were characterised according to mineral aggregate criteria; these same residues were also characterised microstructurally using optical microscopy (OM) and scanning electron microscopy (SEM). The results showed that the WFS have very similar physical characteristics compared to conventionally manufactured sand used in asphalt paving. These residues additionally showed similar petrographic characteristics and less risks of potential alkali-reactivity. The elemental composition revealed a predominance of silica (46–52%), ferrous oxides (3–30%) and carbonaceous materials (2–15%), i.e. elements that would not act as pathogenic agents to the pavement asphaltic matrix if the residues were incorporated into it as aggregates materials. Important benefits generated from this practice include cost reduction in asphalt paving projects, reduction in the use of mineral resources and in the discard of waste, increase in the lifespan of landfills and reduction of environmental contamination.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,009
Tête enseignante GPT0,199
Écart entre enseignants0,190 · 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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoad Materials and Pavement DesignMême sujetMaterials Engineering and ProcessingTravaux en français237 207