Notice bibliographique
Résumé
In the past decade, there has been an increasing trend of digitalizing rock engineering processes. However, this process has not been accompanied by a critical analysis of the very same empirical methods that many complex numerical and digital methods are founded upon. As engineers, we are taught to use and trust numbers. Indeed, we would not be able to define the factor of the safety of a structure without numbers. However, what happens when those numbers are nothing but numerical descriptions of qualitative assessments? In this paper we present a critical review of the many attempts presented in the literature to quantify GSI (geological strength index). To the authors’ knowledge, this paper represents the first time that all the different GSI tables and quantification methods that have been proposed over the past two decades are collated and compared critically. In our critique, we argue against the paradigm whereby the quantification process adds the experience factor for inexperienced engineers. Furthermore, we discuss the limitations of the notion that GSI quantification methods could transform subjectivity into objectivity since the parameters under considerations are not quantitative measurements. Relying on empirically defined quantitative equivalences raises important questions, particularly when these quantitative equivalences are being used to define so-called accurate rock mass classification input for design purposes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,088 | 0,214 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,011 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,039 |
| Communication savante | 0,013 | 0,029 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».