MétaCan
Menu
Retour à la cohorte
Enregistrement W3046300264 · doi:10.4322/cbpat.2020.093

DESEMPENHO TÉRMICO DE ARGAMASSAS COM AGREGADO DE RESÍDUOS INDUSTRIAIS ESTUDO DE CASO DE UMA EDIFICAÇÃO DE ALTO PADRÃO

2020· article· pt· W3046300264 sur OpenAlexaff
Júlia Araújo Mendes, Fernanda Pereira da Fonseca Elói, Marcela Moreira Lima Nogueira, HENOR SOUSA, VANESSA VILAÇA, Ricardo André Fiorotti Peixoto

Notice bibliographique

Revuenon disponible
Typearticle
Languept
DomaineEngineering
ThématiqueRecycled Aggregate Concrete Performance
Établissements canadiensAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Sabe-se que a demanda por edificações cada vez eficientes energeticamente tem crescido a nível mundial e que o sistema de vedação dos edifícios tem grande influência no conforto ambiental e, consequentemente, na vida de seus usuários.Nesse contexto, o presente trabalho avalia o desempenho térmico de argamassas de revestimento produzidas com resíduos industriais e de mineração através de uma simulação em uma edificação existente de alto padrão.Foram feitos ensaios para avaliar a condutividade térmica e massa específica de argamassas compostas com quatro tipos de agregados: areia de rio (REF), rejeitos de minério de ferro (RBMF), quartzito friável (QZTO) e escória de aciaria (ESC).Em seguida, foi feita uma análise de desempenho térmico da edificação para avaliar a temperatura interna a partir dos aspectos naturais de temperatura e ventilação que incidem na residência.Devido à baixa condutividade térmica e à alta massa específica, a argamassa com ESC obteve os melhores resultados de desempenho térmico, seguida por aquelas com RBMF, REF e QZTO.No cenário atual em que os agregados naturais estão se tornando cada vez mais escassos, essa avaliação abre caminho para materiais de construção mais sustentáveis, com baixo consumo energético, maior desempenho e durabilidade, prevenindo assim, futuras patologias e consequentemente diminuindo a demanda de manutenção.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,037
Tête enseignante GPT0,254
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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRecycled Aggregate Concrete PerformanceTravaux en français237 207