MétaCan
Menu
Retour à la cohorte
Enregistrement W4398206539 · doi:10.18280/acsm.480206

Investigating the Influence of Recycled Coarse Aggregate and Steel Fiber on the Rheological and Mechanical Properties of Self-Compacting Geopolymer Concrete

2024· article· en· W4398206539 sur OpenAlexvenueno aff
Mohammed Wadi Aljumaili, Salmia Beddu, Zarina Itam, Jumah Musdif Their

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGrouting, Rheology, and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRheologyAggregate (composite)Materials scienceGeopolymerComposite materialGeopolymer cementFiberCompressive strength

Résumé

récupéré en direct d'OpenAlex

This experimental study presents the effect of steel fiber (SF) and recycled coarse aggregate (RCA) on the fresh and hardened properties of Self-compacting geopolymer concrete (SCGC).Sixteenth alkali-activated based metakaolin (MK) concrete mixtures with constant binder content of 500 kg/m 3 incorporated 0, 0.5, 1.0, and 1.5% volume fraction of SF and 0, 10, 20, and 30% RCA as a partially replacement for natural coarse aggregate (NCA) with sodium hydroxide concentration of 12 Molarity at ambient conditions.Fresh state of SCGC were examined slump flow, T500 flow, V-funnel, and Lbox test.At 28 and 90 days the compressive strength and splitting tensile strength were investigated, the flexural strength was evaluated at 90 days.The results highlighted that RCA (30%) and SF (1.5%) significantly constrain the fresh properties of SCGC mixes.Moreover, SCGC incorporated RCA can be produced with compressive strength as high as 31.91-41.13at 28 and 90 days, respectively.However, 1% SF and 30% RCA in MKbased SCGC appear better performance than the control mixture and leads to an ecologically friendly concrete mix that has appropriate hardening properties and that would contribute to the longevity of the construction industry.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,034
Tête enseignante GPT0,239
Écart entre enseignants0,205 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetGrouting, Rheology, and Soil MechanicsTravaux en français237 207