MétaCan
Menu
Retour à la cohorte
Enregistrement W4229072961 · doi:10.1061/(asce)gt.1943-5606.0002828

Variable Significance Determination Utilizing Extended CHAID Method in Fiber Improvement of Fine Soils

2022· article· en· W4229072961 sur OpenAlexaff
W. A. R. Souza, Clara Magalhães Toffoli, D. V. S. Mützenberg, Michéle Dal Toé Casagrande

Notice bibliographique

RevueJournal of Geotechnical and Geoenvironmental Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésGeotechnical engineeringCHAIDSoil waterLinear regressionCompressive strengthFiberCorrelation coefficientSoil scienceMathematicsEnvironmental scienceStatisticsGeologyComputer scienceMaterials scienceArtificial intelligenceComposite materialDecision tree

Résumé

récupéré en direct d'OpenAlex

Adding fiber to reinforce soil is a technique widely used at geotechnical works due to the possibility of a considerable increase in soil’s mechanical properties. One way to evaluate such improvement is to compare the features before and after the addition, utilizing the unconfined compressive strength (UCS) test. However, the results of this test can be biased by soil variability, fibers characteristics, and test errors. The objective of the present work is to analyze which variable most influences the results of UCS tests and evaluate the relationship between the soil strain and its strength alterations due to fiber. In this way, the extended chi-square automatic interaction detector (CHAID) method was adopted on UCS samples obtained from a database established from papers, theses, and dissertations. This process concluded that the type of fiber used is the variable with the highest significance among the studied ones. Furthermore, the regression of the polypropylene (PP) demonstrated a linear tendency and a strong correlation coefficient, validating the hypothesis that the sample’s strength has an immediate relation with its strain.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,706

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 ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,189 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geotechnical and Geoenvironmental EngineeringMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207