MétaCan
Menu
Retour à la cohorte
Enregistrement W6989761927

Caractérisation rhéologique de mastics bitumineux composés
\nde fines issues de débris de construction

2022· other· fr· W6989761927 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspace École de technologie supérieure (École de technologie supérieure) · 2022
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRoad constructionMaterials testingCrushed stoneWork safety
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Chaque année au Québec, 400 000 tonnes de résidus de criblage fin issues des débris de construction, de rénovation et de démolition (CRD) sont envoyées dans les lieux d’enfouissement technique en tant que matériau de recouvrement. \n \nL’objectif de ce projet est d’étudier l’influence des fines de post-consommation sur le comportement rhéologique des mastics bitumineux afin de trouver une voie de revalorisation de ces matériaux. Pour ce faire, 7 fines de CRD (béton, gypse, céramique, porcelaine, verre, calcaire et brique), 2 fines industrielles (chaux hydratée et argile) ainsi que 3 fines composées de matériaux de CRD combinés (2 naturels et 1 artificiel) ont été étudiées. Leurs propriétés principales (densité, granulométrie, indice de Rigden et valeur au bleu de méthylène) ont été déterminées. Pour chaque fine, des mastics ont été réalisés à partir d’un bitume PG 64H-28 et de 4 teneurs massiques en fines (20, 40, 60 et 70%). \n \nLe comportement rhéologique des mastics a été principalement étudié à partir d’essais de cisaillement dynamique et les courbes maîtresses des mastics ont été obtenues à l’aide d’une méthode basée sur les relations de Kramers-Kronig. L’utilisation du coefficient de renforcement complexe C * R permis de comparer les différents mastics, de mettre en avant l’influence de la nature des fines ainsi que de leur teneur. De plus, différents modèles prédictifs du pouvoir rigidifiant basés sur les propriétés des fines ont été étudiés. Enfin, un modèle 2S2P1D a été appliqué sur l’ensemble des mastics et une méthode améliorant la calibration du modèle est proposée. \n \nLes résultats des essais montrent que l’ajout de fines de CRD augmente la rigidité des mastics bitumineux ainsi que le module élastique. Ces résultats montrent également que la granulométrie des particules, leur indice des vides de Rigden ainsi que leur concentration dans les mastics sont les principaux paramètres qui influencent le comportement rhéologique des mastics. Enfin, il est observé que la présence de fibres dans les fines issues de résidus de criblage fin influence grandement le comportement des mastics.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,251 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspace École de technologie supérieure (École de technologie supérieure)Travaux en français237 207