MétaCan
Menu
Retour à la cohorte
Enregistrement W4409799940 · doi:10.11159/icgre25.180

Strength and Deformation Characteristics of Electric Arc Furnace Slag as Ballast Aggregate

2025· article· en· W4409799940 sur OpenAlexvenueno aff
Meletetsega Gashaw Gebeyehu, Tadahiro Kishida, George Mylonakis

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBallastElectric arc furnaceSlag (welding)Aggregate (composite)Deformation (meteorology)Materials scienceArc (geometry)Electric arcMetallurgyComposite materialMechanical engineeringElectrodeEngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The accumulation of waste by-products, such as steel slag, has become a significant environmental concern in waste management.In recent years, the reuse of waste materials in structural fills and pavement subbase materials has increased as part of efforts to promote sustainable waste recycling.On this basis evaluating potential alternative for railway ballast materials is valuable, particularly from the prospective of mechanical performance.This study examines the potential of EAF slag as a railway ballast material through a comprehensive series of laboratory tests, including physical and mechanical evaluations.Monotonic and cyclic triaxial tests are performed to evaluate its shear strength and permanent deformation characteristics under field representative stress condition.The performance of EAF slag is subsequently compared with various ballast materials reported in the literature.The results indicate that the EAF slag meets the standards established by major countries.Additionally, its performance aligns with previously published data for natural aggregate ballast materials, demonstrating promising shear strength, less permanent deformation, and improved stiffness under repeated loading.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,000
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 Opus0,002
Tête enseignante GPT0,168
Écart entre enseignants0,166 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetMaterials Engineering and ProcessingTravaux en français237 207