MétaCan
Menu
Retour à la cohorte
Enregistrement W647906824

A WINDOW ON TUNNELLING IN RUSSIA

2003· article· en· W647906824 sur OpenAlexaboutno aff
Stewart Wallis

Notice bibliographique

RevueTunnels & tunnelling · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueTunneling and Rock Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiddingWork (physics)Russian federationRevenueEngineeringOpenness to experienceTrack (disk drive)BusinessEconomyFinanceEconomicsEconomic policyMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although Russian tunneling technology became well known for the work on the Moscow Metro's deep bed-rock stations, more recent, lesser- known projects also present valuable insights. Since the collapse of the former USSR in 1991, the metro systems in six Russian cities have come under municipal ownership. Construction is no longer financed solely from the state, but from a mix of sources. In the years since, metro construction has gotten underway in five more cities. A total of some 4.2 billion passengers ride on a metro system each year. Tunnel manufacturers and suppliers have enjoyed success in the current Russian Federation as well as under the previous regime, with Lovat of Canada enjoying the most success in the country to date. The company has filled several major TBM orders to the extent that the Russian market has outperformed the North America, South America and Australia markets. Contractors have not been able to penetrate the market as easily, in large part due to Russia's lack of membership in the World Trade Organization. Bidding and pricing is guided by complex rules and the legal system is complex. In the meantime, the new climate of openness in the country is allowing home-grown experts to try out new approaches and innovate. An undersea rail tunnel used a combination of immersed tube and bored construction. More road tunnels are planned to deal with growing auto congestion, and demand for tunnels in other areas remains strong.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,192 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTunnels & tunnellingMême sujetTunneling and Rock MechanicsTravaux en français237 207