MétaCan
Menu
Retour à la cohorte
Enregistrement W4366506710 · doi:10.11159/icgre23.001

Innovative Usage of Recycled Waste Materials in Roads

2023· article· en· W4366506710 sur OpenAlexvenueno aff
Arul Arulrajah

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Energy Technologies and Civil Engineering Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWaste managementWaste materialConstruction engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Priority waste materials currently generated in Australia include construction wastes, demolition wastes, glass fines, waste tyres, plastics, industrial wastes and organic wastes. The increase in generation of these wastes have led to significant research over the past decade on the reuse of recycled waste materials in geotechnical engineering applications. An estimated 7.9 Mt of wastes, which accounts for 36% of Australia's current landfilled waste, have the potential to be diverted into civil engineering applications, such as for the design and construction of roads, railways and ports. This paper discusses recent advances in the usage of recycled materials in pavement geotechnology projects in Australia. Recycled materials have been evaluated in the laboratory and new specifications successfully developed, to incorporate their usage in pavement geotechnology and ground improvement applications. Recycled materials are increasingly being used in unbound and stabilised pavement applications. In addition, industrial wastes such as fly ash and slag have also been evaluated in recent years as alternative binders to Portland cement in pavement and ground improvement applications. Several unique field case studies in Australia, where recycled materials have been used in roads and footpaths, as well as the development of several prototype testing equipment will also be discussed. Ongoing research projects on new priority waste materials will also be briefly discussed.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,007
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetAdvanced Energy Technologies and Civil Engineering InnovationsTravaux en français237 207