MétaCan
Menu
Retour à la cohorte
Enregistrement W3193207303 · doi:10.1061/(asce)cr.1943-5495.0000262

Climate Change Challenges for Flexible Pavement in Canada: An Overview

2021· article· en· W3193207303 sur OpenAlexaffabout
Omran Maadani, Mohammad Shafiee, Igor Egorov

Notice bibliographique

RevueJournal of Cold Regions Engineering · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésPermafrostClimate changeExtreme weatherTerrainEnvironmental scienceLeveeServiceability (structure)Civil engineeringEngineeringGeologyGeotechnical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

This paper provides an outlook on the effects of climate change and the severity and frequency of extreme weather events on the performance of flexible pavements across North America. Now more than ever, the climate is changing at a rapid pace, which will alter long-term environmental loading parameters and extreme weather events. Such alterations will pose implications for the design, maintenance, and rehabilitation of flexible pavements, especially in terms of their serviceability, safety, and functionality. In northern Canada, roads are founded on various terrain types, including thaw-sensitive ice-rich permafrost underlying terrains. Such roads have experienced signs of embankment and pavement damage, which are usually induced by the degradation of the underlying permafrost due to climate change. Therefore, the development and implementation of new permafrost thaw mitigation techniques for vulnerable roads are essential and will be discussed in this paper. Resilient flexible roads should be designed to withstand the conditions that are likely to occur during their design life, taking into account the impact of the climate change on pavement performance in response to daily and seasonal changes in heat, precipitation, freeze–thaw cycles, and extreme weather events.

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 enseignants0,050
Score d'incertitude au seuil0,362

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0040,001
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,157
Tête enseignante GPT0,272
Écart entre enseignants0,115 · 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

Citations50
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cold Regions EngineeringMême sujetClimate change and permafrostTravaux en français237 207