MétaCan
Menu
Retour à la cohorte
Enregistrement W630703795

Rheological Testing of Asphalt Cements Recovered from an Ontario Pavement Trial

2009· article· en· W630703795 sur OpenAlexaboutno aff
Simon A.M. Hesp, Irsan Kodrat, D.W. Scafe, Abdolrasoul Soleimani, Sathish Subramani, L Whitelaw

Notice bibliographique

RevueSixth International Conference on Maintenance and Rehabilitation of Pavements and Technological Control (MAIREPAV6)International Society for Maintenance and Rehabilitation of Transportation InfrastructureTransportation Research Board · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAsphaltRheologyCementCrackingRheometerMaterials scienceComposite materialEnvironmental scienceAsphalt pavement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper describes how seven asphalt cements were recovered from field cores taken from a five-year-old, northeastern Ontario pavement tests. The original laboratory-aged materials all graded in a narrow range between –35oC and –36oC, according to the current bending beam rheometer (BBR) protocol. However, their low temperature performance showed early and significant variability after the pavement was exposed to a cold spell in early 2004. Two of the test sections showed virtually no distress while the remaining five were cracked to significant degrees. Conventional rheological characterization revealed important differences between laboratory-aged and recovered materials, but the results could only partially explain the observed performance ranking. Additional testing after low temperature conditioning assisted in clearing up the most important inconsistencies. It was found that premature and excessive cracking is associated with the presence of problematic additives in the asphalt cement (e.g., waste engine oils, air blowing catalysts, acids, and the like).

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,376

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,031
Tête enseignante GPT0,313
Écart entre enseignants0,282 · 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

Citations9
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSixth International Conference on Maintenance and Rehabilitation of Pavements and Technological Control (MAIREPAV6)International Society for Maintenance and Rehabilitation of Transportation InfrastructureTransportation Research BoardMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207