MétaCan
Menu
Retour à la cohorte
Enregistrement W3094768221 · doi:10.1016/j.conbuildmat.2020.121438

Flexural toughness of sustainable ECC with high-volume substitution of cement and silica sand

2020· article· en· W3094768221 sur OpenAlexaff
Kâzım Türk, Moncef L. Nehdi

Notice bibliographique

RevueConstruction and Building Materials · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative concrete reinforcement materials
Établissements canadiensWestern University
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma Kurumu
Mots-clésFlexural strengthFly ashMaterials scienceToughnessPortland cementComposite materialCementCementitiousFiller (materials)Ductility (Earth science)Silica fumeCuring (chemistry)Fracture toughnessCreep

Résumé

récupéré en direct d'OpenAlex

This study explores the effects of high-content fly ash and limestone filler partial replacement for portland cement and silica sand, respectively on the flexural toughness parameters of engineered cementitious composites (ECC). Various groups of mixtures having variable fly ash/portland cement ratio and different levels of limestone filler were prepared. ASTM C1609, JSCE-SF4 and the Post-Crack Strength method were employed to appraise the flexural toughness parameters of the ECC mixtures at 3, 28 and 90-d. The results show that according to ASTM C1609, JSCE-SF4 and the Post-Crack Strength method, limestone filler did not significantly affect the flexural toughness, while the flexural toughness of ECC beams decreased when the fly ash content increased. Considering deflection capacity, specimens made with a FA/OPC ratio of 1.2 without limestone filler achieved higher ductility at all curing ages. Owing to its superior crack resistance and toughness compared to normal concrete, ECC with high fly ash content and limestone filler could be a sustainable alternative construction material in diverse civil engineering applications. ECC with enhanced ductility compared to normal concrete could offer increased crack resistance, durability and better resilience.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,041
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,195
Écart entre enseignants0,187 · 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 tête enseignante, 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

Citations55
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction and Building MaterialsMême sujetInnovative concrete reinforcement materialsTravaux en français237 207