MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387414703 · doi:10.23967/c.dbmc.2023.032

Effect of Moisture History on ASR Expansion and Microstructural Properties

2023· article· en· W4387414703 sur OpenAlexaff
O. D. Olajide, Michelle Nokken, Leandro Sanchez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensUniversity of OttawaConcordia University
Organismes subventionnairesnon disponible
Mots-clésDurabilityMoistureWettingPetrographyReactivity (psychology)Alkali–silica reactionMaterials scienceWater contentAlkali–aggregate reactionComposite materialChemical engineeringChemistryMineralogyGeologyGeotechnical engineeringAggregate (composite)

Résumé

récupéré en direct d'OpenAlex

Alkali Silica reaction has been a great menace to the durability of concrete infrastructure since its discovery. The mechanism is caused by the reaction between poorly crystallized silica and alkalis in the presence of sufficient amount of water. Just as water plays a critical role in several durability challenges in concrete, the limitation of moisture has been prominently used as a technique for the maintenance of ASR affected structures. The variation in moisture condition to which structures are exposed could lead to alternate wet and dry regimes. Drying aids the mitigation of the reaction, however, the cyclic phenomenon can modify the kinetics of the reaction and exercebate inner damage. This paper focuses on the development of the reaction over an alternate wetting and drying cycle involving aggregates of different levels of reactivity. The influence of the moisture history on the microscopic features were appraised using the damage rating index. The kinetics of the reaction and ASR induced deterioration in specimens undergoing cycles of wet and dry conditions differ when compared to those stored at constant moisture. Furthermore, ASR induced expansion and petrographic features are influenced by the difference in the reactivity level of aggregates.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

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)0,0020,000

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 Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,211 · 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 sujetConcrete and Cement Materials Research→Travaux en français237 207→