MétaCan
Menu
Retour à la cohorte
Enregistrement W4205941053 · doi:10.32920/ryerson.14657082

Development of a Test Method to Evaluate Durability of Pavement Joints under Winter Conditions

2021· preprint· en· W4205941053 sur OpenAlexaff
Conrad Babicz

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésDurabilityJoint (building)CementGeotechnical engineeringEnvironmental scienceStructural engineeringForensic engineeringMaterials scienceComposite materialGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

In areas with cold winters, premature failure in concrete pavement joints is a frequent phenomenon, yet there is no standard test method for evaluating their durability. In this study, the effectiveness of several evaluation techniques for concrete joint durability were evaluated. Concrete slabs with saw cuts representing joints were made, and exposed to different freezing and thawing/ wetting cycles, and different salt solutions (NaCl, CaCl2, and MgCl2). The durability of the joints was evaluated using measures of strength loss, mass loss, and a visual inspection. It was found that under these exposure conditions, the strength loss and visual inspection modes of evaluation could discern different levels of damage between different types of exposures, and also different concrete mixes (e.g. Different cement contents, strength and the presence or absence of SCM). Further research is required to evaluate the effects of sealants, saturated bases, and higher salt concentrations.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,325
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0180,000

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 Opus0,039
Tête enseignante GPT0,318
Écart entre enseignants0,279 · 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.

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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Materials for ConstructionTravaux en français237 207