MétaCan
Menu
Retour à la cohorte
Enregistrement W6891685612 · doi:10.4224/12328729

Friction of sea ice on various construction materials

2001· report· en· W6891685612 sur OpenAlexafffundvenueabout

Notice bibliographique

RevueNPARC · 2001
Typereport
Langueen
Domaine
Thématique
Établissements canadiensNational Research Council CanadaCanadian Wood Council
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésSea iceCoefficient of frictionFriction coefficientHydraulicsStatic frictionLead (geology)Internal friction

Résumé

récupéré en direct d'OpenAlex

A series of tests was performed at the Canadian Hydraulics Centre to investigate friction between sea ice and various materials such as concrete, steel, wood and ice. The tests examined the effects of the change in the friction coefficient corresponding with the deterioration of material surface, speed, temperature, surface wetness and normal pressure. A carriage translated an ice specimen back and forth relative to samples of various construction materials fixed to the tank floor, while measuring the normal and tangential forces between the ice and the sample surface. Results from the test series indicated that friction was higher at lower speeds and also on rough materials. There was a great deal of variability observed in the instantaneous values of the coefficient of friction. Temperature had a weak effect on the friction coefficient, with slightly higher values of friction at higher temperatures, and there was a weak trend of lower friction with higher contact pressures. The average coefficient of friction of sea ice on smooth concrete, painted steel and sea ice was about 0.05 for speeds greater than 5 cm/s and increased to about 0.1 at 1 cm/s. The average coefficient of friction of sea ice on rough concrete and corroded steel was about 0.1 at speeds greater than 10 cm/s and increased to 0.2 at 1 cm/s.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,825
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,032
Tête enseignante GPT0,289
Écart entre enseignants0,257 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations10
Publié2001
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueNPARCTravaux en français237 207