MétaCan
Menu
Retour à la cohorte
Enregistrement W4385303665 · doi:10.18280/acsm.470307

Characterization of Lightweight Mortars with Cork and Olive Stone Waste for Old Building Rehabilitation

2023· article· en· W4385303665 sur OpenAlexvenueno aff
Samia Boubakour, Leila Kherraf, Houria Hebhoub, Karima Messaoudi, Ghania Boukhatem

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorkMortarCharacterization (materials science)Waste managementEngineeringEnvironmental scienceArchaeologyMaterials scienceGeographyComposite material

Résumé

récupéré en direct d'OpenAlex

This paper investigates the potential of using cork and olive stone waste as lightweight aggregates in repointing mortars for the rehabilitation of old buildings.For this purpose, mortar blends were prepared like 1/3 mortar partly replacing ordinary sand with different percentages of cork or olive stones aggregates with a grain size of 0-4 mm.The partial substitution rates are: 5, 10, 15, 20, 25 and 30% respectively with a constant amount of binder (Portland cement CEM I 42.5R).All Specimens prepared were remolded after 24h then cured in potable water at 20±2° C until the date of the test.In course of this research, the mechanical and physical features were highlighted while taking into account certain parameters such as consistency, fresh density, mechanical performance (compressive strength, tensile strength), durability (absorption in immersion, capillary water absorption coefficient and chloride penetration).The results demonstrated that incorporating 30% olive stone waste as a sand replacement in the mortar resulted in improved durability and long-term performance compared to control blends.Additionally, all mortars containing lightweight aggregates were lighter than the control mortar.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetBIM and Construction IntegrationTravaux en français237 207