MétaCan
Menu
Retour à la cohorte
Enregistrement W3082872674 · doi:10.28991/cej-2020-03091573

Salt Gradation Analysis for Winter Road Maintenance

2020· article· en· W3082872674 sur OpenAlexaffabout
Leila Hashemian, Neeraj Saroj, Babak Mehran, Alireza Bayat

Notice bibliographique

RevueCivil Engineering Journal · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensUniversity of ManitobaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGradationSalt (chemistry)Environmental scienceTransport engineeringCivil engineeringEngineeringComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

This research investigates the salt gradation specifications adopted by different provincial or state highway departments in Canada and the US for winter road maintenance operations. To understand the type of used salt, its quantity, grain size distribution, application method and the level of satisfaction of the user, a questionnaire was prepared and sent to selected provincial/state highway departments in Canada and the US. The survey-based comparative analysis performed on the salt gradation in different jurisdictions showed that the salt gradation does not always fit in ASTM (American Society of the International Association for Testing and Materials) and BS (British Standard) standard curves. However, it was found that the gradation of coarse and fine salt used by most Canadian provinces follows ASTM I and the Finnish standards, respectively. Although the majority of jurisdictions surveyed in this study have specific requirements for gradation of the salt used in their winter maintenance operations, no laboratory tests or field trials have been conducted to investigate the effectiveness of a particular salt gradation for road winter maintenance operations. It was also found that salt gradation standards are compromised due to factors such as local availability of the material, purity of the available material, ease of material handling, ease of application, and the preference of private contractors for certain materials.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,538

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,191
Écart entre enseignants0,183 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCivil Engineering JournalMême sujetSmart Materials for ConstructionTravaux en français237 207