MétaCan
Menu
Retour à la cohorte
Enregistrement W2955292498 · doi:10.29173/mocs77

An Optimized Prefabricated Raft Footing System for Houses on Shrink-Swell Soils: Preliminary Results

2019· article· en· W2955292498 sur OpenAlexvenueno aff
Bertrand Teodosio, Kasun Shanaka, Kristombu Baduge, Priyan Mendis

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Engineering and Vibration Analysis
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research Council
Mots-clésPrefabricationEconomic shortageSwellEngineeringCivil engineeringSustainabilityGeotechnical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

The strong demand for houses has been hampered by a shortage of skilled labor in Australia, which can be potentially alleviated using prefabrication. Significant advancements in the design and construction of prefabricated houses have been observed; however, most substructure constructions still use traditional cast-in-place method that is labor intensive and weather-dependent. Prefabrication of footing systems is an advantageous solution since this require minimal manual labor and shorter construction period. The design of an innovative prefabricated footing needs to consider structural integrity and design assembly. One of the important structural issues for light-weight houses is cyclic differential ground movements affecting footing systems due to reactive soils. This shrink-swell movements are due to the decrease and increase in soil moisture, which can cause minor to severe damage depending on the presence of fines. Due to the issues on shortage of skilled labor and housing, and the costly impact of shrink-swell movements of reactive soils to footings, this study aims to develop a prefabricated footing based on optimized waffle raft. The developed system can easily be installed in stable to highly reactive sites, minimizing site disturbance, on-site assembly requirements and maximizing construction speed, quality and sustainability.

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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0030,000

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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModular and Offsite Construction (MOC) Summit ProceedingsMême sujetStructural Engineering and Vibration AnalysisTravaux en français237 207