MétaCan
Menu
Retour à la cohorte
Enregistrement W4412186680 · doi:10.26634/jce.15.2.22072

To study the mechanical properties of concrete containing cement and sand with biomaterial and glass waste in concrete

2025· article· en· W4412186680 sur OpenAlexaff
B. Ghadge Shekhar, V. Shelar Vaibhav, S.J. Vijay, B. Kazi Samina, V. Shelar Sonal

Notice bibliographique

Revuei-manager’s Journal on Civil Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésCementBiomaterialMaterials scienceGeotechnical engineeringProperties of concreteComposite materialEngineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

This study looks into using local materials to improve concrete by replacing some of its traditional components. Specifically, it examines how rice husk ash (RHA) can partially replace pozzolanic Portland cement (PPC) and how glass powder waste can substitute sand. The goal is to find the best combination that strengthens RCC beams for concrete grades M35 and M40. This research also tackles the issue of managing agricultural waste, such as rice husks, and addresses the growing concern over glass waste, which is increasing due to high production rates and slow decomposition. By reducing cement use, the goal is to minimize the environmental impact, as cement production uses a lot of raw materials and releases harmful gases. The primary focus is on determining the optimal amount of glass powder waste that can replace sand in concrete, as it has excellent pozzolanic properties. Additionally, the study looks at how RHA, a local biodegradable material, can replace part of the PPC. Ultimately, this project seeks to find effective solutions for managing agricultural and glass waste while promoting more sustainable construction practices.

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 enseignants0,002
Score d'incertitude au seuil0,006

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)0,0020,001

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 Opus0,012
Tête enseignante GPT0,215
Écart entre enseignants0,203 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuei-manager’s Journal on Civil EngineeringMême sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207