MétaCan
Menu
Retour à la cohorte
Enregistrement W4388523363 · doi:10.1680/jcoma.23.00062

Cold weather concreting: provisions of codes and research advances

2023· article· en· W4388523363 sur OpenAlexaff
A. M. Yasien, M. T. Bassuoni

Notice bibliographique

RevueProceedings of the Institution of Civil Engineers - Construction Materials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensUniversity of ManitobaResearch Manitoba
Organismes subventionnairesnon disponible
Mots-clésCold weatherHardening (computing)Environmental scienceCold climateCementitiousExtreme weatherCivil engineeringForensic engineeringEngineeringMaterials scienceCementMeteorologyGeologyClimate changeComposite material

Résumé

récupéré en direct d'OpenAlex

In cold regions, concrete practitioners face challenges in achieving the target performance criteria of concrete produced at low temperatures. When concrete temperature drops to −2.8°C, the hydration development of cementitious binders nominally ceases due to the freezing of mixing water, which results in hydraulic and osmotic pressures that exceed the tensile capacity of concrete, especially at early age (immature stage). Subsequently, the hardening and strength gain rates of concrete are adversely affected, resulting in insufficient microstructural development and irreversible deterioration, which makes concrete applications challenging under cold weather. Therefore, multiple investigations have been conducted to develop efficient approaches to overcome the challenges of placing concrete at low temperatures. The current paper synthesises code provisions in North America and Europe and state-of-the-art knowledge on cold weather concreting, in terms of mixture components as well as new inventions and methods of concrete curing and protection at low temperatures. Hence, it should provide informative guidance for the construction industry in cold regions to improve cold weather concreting practices.

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,020
Tête enseignante GPT0,272
Écart entre enseignants0,253 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Civil Engineers - Construction MaterialsMême sujetConcrete and Cement Materials ResearchTravaux en français237 207