MétaCan
Menu
Retour à la cohorte
Enregistrement W3186422785 · doi:10.21809/rilemtechlett.2021.138

Concrete damage due to oxidation of pyrrhotite-bearing aggregate: a review

2021· review· en· W3186422785 sur OpenAlexafffundabout
Josée Duchesne, Andréa Rodrigues, Benoît Fournier

Notice bibliographique

RevueRILEM Technical Letters · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPyrrhotiteAggregate (composite)Reactivity (psychology)GeologyMineralSulfateMineralogyMaterials scienceGeochemistryMetallurgyComposite materialPyrite

Résumé

récupéré en direct d'OpenAlex

Oxidation of pyrrhotite-bearing aggregates is one of the major causes of concrete damage in numerous buildings in Trois-Rivières in Canada and Connecticut in the USA. In the presence of moisture and oxygen, pyrrhotite oxidizes to generate iron-and sulfate-rich secondary minerals that cause internal sulfate attack. Iron sulfides are accessory minerals of different rock types. The distribution of sulfides is often very heterogeneous in terms of aggregate particles, even at the level of the quarries in which some areas may contain copious amounts than others, which complicates the sampling method. Pyrrhotite is a complex mineral with varying chemical composition, crystallographic structure, and specific surface area. These factors influence the reactivity of pyrrhotite. Therefore, it is challenging to control the quality of the aggregate sources. In this study, recent advances in the identification and quantification of pyrrhotite to diagnose complicated cases are presented, and a performance-based approach for the quality control of new sources of aggregates is introduced. The performance-based approach is preferred because it eliminates the influence of the oxidation of pyrrhotite.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,030
Tête enseignante GPT0,304
Écart entre enseignants0,274 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRILEM Technical LettersMême sujetMetal Extraction and BioleachingTravaux en français237 207