MétaCan
Menu
Retour à la cohorte
Enregistrement W3155635737 · doi:10.11159/ijci.2021.011

Life Cycle Inventory for the Production of Recycled Concrete Aggregates in the United Arab Emirates

2021· article· en· W3155635737 sur OpenAlexvenueno aff
Mohammed H. Alzard, Hilal El-Hassan, Tamer El‐Maaddawy

Notice bibliographique

RevueInternational Journal of Civil Infrastructure · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRecycled Aggregate Concrete Performance
Établissements canadiensnon disponible
Organismes subventionnairesUnited Arab Emirates University
Mots-clésProduction (economics)Life cycle inventoryBusinessEnvironmental scienceLife-cycle assessmentEconomics

Résumé

récupéré en direct d'OpenAlex

Environmental life cycle inventory (LCI) datasets are crucial for conducting life cycle assessment (LCA) of concrete or any other products.It is necessary to obtain these values based on local practices to provide accurate LCA results that reflect real-life scenarios.In the city of Abu Dhabi, United Arab Emirates, datasets for the recycling process of construction and demolition waste into recycled concrete aggregates are currently unavailable.Therefore, this research aims to draw a detailed environmental LCI dataset for the production of RCA in Abu Dhabi.As part of the adopted methodology proposed by the International Standards Organization (ISO) to build an LCI (ISO 14040), a thorough investigation of the RCA production practice was performed to highlight the input and output of each process unit.The resulting LCI value of RCA production was found to be 0.676 kg CO2eq per ton of aggregates (or 6.67x10 -4 kg CO2eq/kg).It is eight times less than the environmental burden of producing natural aggregates.Research findings serve as a benchmark to evaluate the environmental sustainability of RCA and RCA-based products in a holistic LCA study, while also enriching the LCI of the city of Abu Dhabi.

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)0,001
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 enseignants0,088
Score d'incertitude au seuil0,175

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,242
Écart entre enseignants0,231 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Civil InfrastructureMême sujetRecycled Aggregate Concrete PerformanceTravaux en français237 207