MétaCan
Menu
Retour à la cohorte
Enregistrement W3161291919 · doi:10.3390/f12050590

Modelling the Material Resistance of Wood—Part 3: Relative Resistance in above- and in-Ground Situations—Results of a Global Survey

2021· article· en· W3161291919 sur OpenAlexaff
Christian Brischke, Gry Alfredsen, Miha Humar, Elena Conti, Laurie J. Cookson, Lukas Emmerich, Per Otto Flæte, Stefania Fortino, Lesley Francis, Ulrich Hundhausen, Ilze Irbe, Morten Klamer, Davor Kržišnik, Boštjan Lesar, Eckhard Melcher, Linda Meyer-Veltrup, Jeffrey J. Morrell, J. B. S. Norton, Sabrina Palantı, Gerald Presley, Ladislav Reinprecht, Tripti Singh, Rod Stirling, Martti Venäläinen, Mats Westin, Andrew H.H Wong, Ed Suttie

Notice bibliographique

RevueForests · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensCRB Innovations (Canada)FPInnovations
Organismes subventionnairesFachagentur Nachwachsende RohstoffeMinistrstvo za Izobraževanje, Znanost in ŠportBundesministerium für Ernährung und LandwirtschaftEnergimyndighetenVetenskapsrådetAgence de l'Environnement et de la Maîtrise de l'EnergieSvenska Forskningsrådet FormasNorges ForskningsrådAgence Nationale de la RechercheVINNOVAEuropean Commission
Mots-clésEnvironmental scienceDurabilityResistance (ecology)Materials scienceEcologyComposite materialBiology

Résumé

récupéré en direct d'OpenAlex

Durability-based designs with timber require reliable information about the wood properties and how they affect its performance under variable exposure conditions. This study aimed at utilizing a material resistance model (Part 2 of this publication) based on a dose–response approach for predicting the relative decay rates in above-ground situations. Laboratory and field test data were, for the first time, surveyed globally and used to determine material-specific resistance dose values, which were correlated to decay rates. In addition, laboratory indicators were used to adapt the material resistance model to in-ground exposure. The relationship between decay rates in- and above-ground, the predictive power of laboratory indicators to predict such decay rates, and a method for implementing both in a service life prediction tool, were established based on 195 hardwoods, 29 softwoods, 19 modified timbers, and 41 preservative-treated timbers.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,869

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 Opus0,024
Tête enseignante GPT0,222
Écart entre enseignants0,199 · 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'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

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetWood Treatment and PropertiesTravaux en français237 207