MétaCan
Menu
Retour à la cohorte
Enregistrement W4317039628 · doi:10.18280/acsm.460606

Evaluating the Impact of Inclusion Metakaolin and Silica Fume on the Green and Mechanical Properties of Low Calcium Fly Ash Concrete

2022· article· en· W4317039628 sur OpenAlexvenueno aff
Sarah Al-Qutaifi, Saleem Ethaib, Yahya Resan Awei

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetakaolinMaterials scienceSilica fumeFly ashUltimate tensile strengthComposite materialFlexural strengthSlumpCuring (chemistry)SuperplasticizerCompressive strengthCementProperties of concrete

Résumé

récupéré en direct d'OpenAlex

Generally, low calcium fly ash concretes (FFACs) subjected to ambient temperatures exhibit low initial strengths. Thus, FFACs require higher temperatures to improve the monomer dissolutions, but that increases the energy consumption. Thus, this paper aims to evaluate the influence of the incorporation of different dosages of silica fume (SF) and metakaolin (MK) on the green and hardened properties of FFACs cured at room temperature of 21 ˚C. Slump and air content tests were applied to evaluate the green characteristics of the designed geopolymer concrete mixes (GPCMs). The hardened properties of FFACs were assessed in terms of compressive, flexural, and splitting tensile strengths at different curing ages. Outcomes revealed that the slump and air content of GPCMs declined with improving SF or MK percentages. The 28 days flexural, compressive, and splitting tensile strengths of FFACs manufactured with the optimum dosages of 20% MK and 10% SF cured at 21 ˚C were evidently higher than those of FFACs (100 % FFA) subjected to curing temperatures ranging from 10-to-50 ˚C. Also, the strength enhancement of MK was relatively comparable to those of SF with less requirement for superplasticizers.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,124
Tête enseignante GPT0,352
Écart entre enseignants0,228 · 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'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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetConcrete and Cement Materials ResearchTravaux en français237 207