MétaCan
Menu
Retour à la cohorte
Enregistrement W4414826380 · doi:10.33084/mits.v13i3.10869

Analisis Kemampuan Pasir Dari Pantai Nirwana Kota Padang Dan Pasir Dari Pantai Kawasan Mandeh Pesisir Selatan Sebagai Pengganti Pasir Ottawa Dalam Pengujian Sandcone

2025· article· en· W4414826380 sur OpenAlexaboutno aff
Sicilia Afriyani Cici, Afrizal Putra Prices, Angga Putra Arlis, Wahyu Araska, Vero Gusri Vernando, Alya Miftahul Husni, Effendi Effendi, Winda Fitria

Notice bibliographique

RevueMedia Ilmiah Teknik Sipil · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical and construction materials studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGradationSpecific gravityGranulometryParticle-size distributionHydrology (agriculture)

Résumé

récupéré en direct d'OpenAlex

Ottawa sand has long been used as a standard material in geotechnical laboratory tests, particularly in grain size distribution and Sand Cone tests, due to its uniform particle size, purity, and stable physical properties. This study explores the potential of using beach sand from Nirwana and Mandeh as substitutes for Ottawa sand. The research process began with problem identification, followed by a literature review, sample collection, laboratory testing, and data analysis. The results show that the specific gravity of Nirwana sand (2.77) and Mandeh sand (2.72) are relatively close to Ottawa sand (±2.65). In terms of the coefficient of uniformity (Cu), Nirwana sand (2.34) is closer to Ottawa sand (2.17) compared to Mandeh sand (2.94). Regarding the coefficient of curvature (Cc), Nirwana sand (0.72) performs better than Mandeh sand (0.66), although both remain below the ideal range (1–3). Overall, Nirwana sand demonstrates greater potential as an alternative to Ottawa sand, with improvements in gradation recommended to achieve optimal performance.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,189 · 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 revueMedia Ilmiah Teknik SipilMême sujetGeotechnical and construction materials studiesTravaux en français237 207