MétaCan
Menu
Retour à la cohorte
Enregistrement W4398235835 · doi:10.3390/buildings14061508

Recycling of Mine Wastes in the Concrete Industry: A Review

2024· review· en· W4398235835 sur OpenAlexaff
Aiman El Machi, Yahya El Berdai, Safaa Mabroum, Amine el Mahdi Safhi, Yassine Taha, Mostafa Benzaazoua, Rachid Hakkou

Notice bibliographique

RevueBuildings · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésTailingsCleaner productionSustainabilityCircular economyWaste managementConstruction industryMunicipal solid wasteRaw materialConstruction wasteMining industryInertProduction (economics)Sustainable developmentEngineeringBusinessCivil engineeringConstruction engineeringMining engineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

The mining industry generates a substantial amount of waste materials, including tailings and waste rocks, which, if not managed correctly, pose threats to the environment and public health due to their long-term accumulation and disposal. Simultaneously, the construction sector consumes important amounts of natural resources like water and rocks. However, research shows that inert mining waste can serve as a substitute for conventional raw materials in construction, particularly in concrete. This review focuses on using mining waste as an alternative to concrete technology to promote cleaner practices in construction and circular economy in mining. Mining waste, with its physical characteristics and chemical composition, can function as diverse components in concrete, such as sand, aggregates, and binders. This article assesses these properties and explores their incorporation into concrete production, aiming to stimulate further research and development, foster environmentally responsible approaches, and underline the direct link to reaching SDGs to achieve sustainability in 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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,053
Tête enseignante GPT0,302
Écart entre enseignants0,249 · 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

Citations41
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetTailings Management and PropertiesTravaux en français237 207