MétaCan
Menu
Retour à la cohorte
Enregistrement W4393087726 · doi:10.56007/arrivet.v1i1.20

Sound Absorption and Material Properties of Asphalt Rubber Concrete Specimens

2023· article· en· W4393087726 sur OpenAlexafffund
G. Drysdale, Liming Dai

Notice bibliographique

RevueApplied Research Results in Vocational Education & Training · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensUniversity of ReginaSaskatchewan Polytechnic
Organismes subventionnairesNational Research Council Canada
Mots-clésAsphaltNatural rubberMaterials scienceComposite materialAbsorption (acoustics)Asphalt concreteEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The acoustic and material properties of asphalt crumb rubber (ARC) pavement have been measured and correlated. Laboratory measurements revealed nonlinear relationships between the sound absorption coefficients and material properties of compacted specimens as a function of the percentage of crumb rubber content in conventional and modified binders. The acoustic performance of conventional asphalt and asphalt rubber concrete specimens are compared to their material properties as a function of crumb rubber content to determine how crumb rubber content influences sound absorption. The normal incidence sound absorption coefficients, porosity, percentage of voids in mineral aggregate, and absolute gas permeability are measured for specimens containing 0, 5, 10, 15, and 20% crumb rubber in the asphalt binder. The random incidence sound absorption coefficient and material property data share nonlinear distributions within some frequency ranges, as a function of crumb rubber content in the conventional and modified asphalt binders.

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)0,003
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 enseignants0,502
Score d'incertitude au seuil0,504

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,172
Tête enseignante GPT0,368
Écart entre enseignants0,196 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Research Results in Vocational Education & TrainingMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207