MétaCan
Menu
Retour à la cohorte
Enregistrement W4390406309 · doi:10.3390/ma17010188

Assessing and Forecasting ISR-Affected Critical Infrastructure: State-of-the-Art and Challenges

2023· article· en· W4390406309 sur OpenAlexaff
Ana Bergmann, Rennan Medeiros, Leandro Sanchez

Notice bibliographique

RevueMaterials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Corrosion and Durability
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDurabilityRisk analysis (engineering)ResidualComputer scienceForensic engineeringEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Internal swelling reactions (ISRs) are among the most critical deterioration mechanisms affecting infrastructure's durability worldwide. While preventative measures for new structures have been extensively explored, effective protocols for diagnosing and prognosing ISR-affected structures, especially at their early stages, are still required. Therefore, through a comprehensive bibliometric analysis, this study focuses on exploring the evolution and current methods for assessing and forecasting ISR damage in concrete structures. For diagnosis, a shift from concrete petrography and non-destructive techniques (NDTs) towards more comprehensive methods (i.e., multi-level assessment) with the stiffness damage test (SDT) and damage rating index (DRI) is observed. Moreover, it identifies the valuable inputs from residual expansion and pore solution analysis as relevant parameters for prognosis. Based on these findings, a structured management framework is proposed aiming to refine the diagnosis and prognosis processes of ISR-affected infrastructure, ultimately contributing to improved long-term structural health and maintenance strategies.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,043
Tête enseignante GPT0,263
Écart entre enseignants0,220 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetConcrete Corrosion and DurabilityTravaux en français237 207