MétaCan
Menu
Retour à la cohorte
Enregistrement W4413632675 · doi:10.1177/20592043251368285

Integrating Measurement and Additive Manufacturing Techniques for Reconstruction of Historical Border Pipes

2025· article· en· W4413632675 sur OpenAlexfundno aff
Z. Qiao

Notice bibliographique

RevueMusic & Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueWelding Techniques and Residual Stresses
Établissements canadiensnon disponible
Organismes subventionnairesArts and Humanities Research CouncilQueen's University BelfastQueen's UniversityUniversity College London
Mots-clésManufacturing engineeringEngineeringComputer scienceIndustrial engineeringEngineering drawing

Résumé

récupéré en direct d'OpenAlex

This article explores four key methodologies for measuring historical musical instruments in preparation for 3D printing: manual measurement, flatbed scanning, light-based 3D scanning methods, and computed tomography (CT) scanning. Each method offers distinct advantages in capturing the structural details and limitations of delicate artifacts. Manual measurement remains indispensable for tactile feedback and verifying relative distances, particularly when digital methods fall short. Flatbed scanning offers high lateral resolution yet struggles with depth accuracy and modern technological support. 3D scanning technology excels in surface precision and avoids reflection issues but can be affected by material properties such as translucence. CT scanning provides exceptional internal visualization but faces challenges with material density artifacts and resolution constraints. By integrating these approaches, researchers can create accurate and interpretable 3D models that balance historical fidelity with modern analytical precision. This interdisciplinary workflow enhances the preservation and understanding of historical instruments, enabling new insights into their craftsmanship and design.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,251
Écart entre enseignants0,233 · 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 revueMusic & ScienceMême sujetWelding Techniques and Residual StressesTravaux en français237 207