MétaCan
Menu
Retour à la cohorte
Enregistrement W4229364026 · doi:10.3989/mc.2022.16221

Alkali-silica reaction in volcanic rocks: a worldwide comparative approach

2022· article· en· W4229364026 sur OpenAlexafffundabout
Sara Medeiros, Isabel Fernandes, Benoît Fournier, João Carlos Nunes, António Santos Silva, Violeta Ramos, D. Soares

Notice bibliographique

RevueMateriales de Construcción · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversité LavalEuropean Regional Development FundEuropean Social FundFundação para a Ciência e a TecnologiaInterregNatural Sciences and Engineering Research Council of CanadaFundo Regional para a Ciência e Tecnologia
Mots-clésVolcanoAggregate (composite)PetrographyMortarAlkali–aggregate reactionAlkali–silica reactionVolcanic rockGeologyReactivity (psychology)BasaltGeochemistryEarth scienceMineralogyEnvironmental scienceMaterials scienceOceanographyComposite material

Résumé

récupéré en direct d'OpenAlex

The potential alkali-silica reactivity (ASR) of volcanic aggregates, especially basalts, remains a source of debate in the scientific community. When evaluating the potentially deleterious character of this type of aggregate, different laboratory testing methods may produce contradictory data; this is particularly evident when using the accelerated mortar bar test (AMBT). In order to better understand such discrepancies, this study applied several methods of characterizing potential aggregate alkali reactivity, including the accelerated mortar bar test (AMBT), petrographic characterization, and the concrete prism test (CPT). Moreover, this study assessed volcanic aggregate samples from sites around the world, including the Azores, Brazil, Canada, the Canary and Hawaiian Islands, Iceland, Japan, Mozambique, New Zealand, Norway, and Turkey. The results obtained contribute to accurately assessing the potential alkali reactivity of volcanic aggregates and enhance the understanding of their different behaviours.

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)0,003
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0140,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
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 Opus0,019
Tête enseignante GPT0,211
Écart entre enseignants0,192 · 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'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

Citations8
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMateriales de ConstrucciónMême sujetGeological and Geochemical AnalysisTravaux en français237 207