MétaCan
Menu
Retour à la cohorte
Enregistrement W601740282

Green Decision Making Framework for Pavement Surface Rehabilitations

2013· article· en· W601740282 sur OpenAlexaboutno aff
Pernille Christensen, Nicolas Allen, Douglas R. Brown, Terry Davies, G A Sparks, Donald E. Stearns

Notice bibliographique

Revue2013 CONFERENCE AND EXHIBITION OF THE TRANSPORTATION ASSOCIATION OF CANADA - TRANSPORTATION: BETTER - FASTER - SAFER · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasLife cycle costingLife-cycle assessmentChristian ministryRanking (information retrieval)Carbon footprintActivity-based costingEnvironmental economicsEngineeringScale (ratio)BusinessTransport engineeringNatural resource economicsEnvironmental scienceProduction (economics)EconomicsComputer scienceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Global climate change is influencing decision-making around the world. In Saskatchewan, for instance, Bill 126 has introduced policies governing the control and pricing of Greenhouse Gas (GHG) emissions. This will alter the cost-of-business for large-scale emitters - including, possibly, Saskatchewan Ministry of Highways and Infrastructure (SMHI) - and may, therefore, influence decisions reached. In this study, GHG output and cost estimates are incorporated within a risk-based Life Cycle Costing (LCC) framework to compare two alternative pavement rehabilitation strategies: (i) Hot Mix Asphalt Concrete (HMAC), and (ii) Hot In-place Recycling (HIR). The results suggest that while life cycle costs are expected to be lower for the HIR alternative, the ranking of the two alternatives is not particularly sensitive to differences in - and the uncertainty surrounding - GHG output and cost. (A) For the covering abstract of this conference see ITRD record number 201310RT334E.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0050,003
Science ouverte0,0030,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 GPT0,227
Écart entre enseignants0,215 · 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
GenreMéthodes

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2013 CONFERENCE AND EXHIBITION OF THE TRANSPORTATION ASSOCIATION OF CANADA - TRANSPORTATION: BETTER - FASTER - SAFERMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207