MétaCan
Menu
Retour à la cohorte
Enregistrement W7002272429

New Range Design and Mitigation methods for Sustainable Training.

2013· other· en· W7002272429 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspaceINRS (National Institute for Scientific Research (Canada)) · 2013
Typeother
Langueen
DomaineMedicine
ThématiqueFetal and Pediatric Neurological Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)PropellantRange (aeronautics)ExtinguishmentGroundwaterContaminated groundwater
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For years, DRDC Valcartier has been involved in the understanding of the environmental impacts of live-fire training with munitions within military Range and Training Areas (RTAs). After the extensive characterization of most of the Canadian ranges and R&D projects aimed at understanding the fate and behaviour of energetic materials and their toxicity, issues related to specific military activities were identified. Over the course of our research, it was found that anti-tank range target areas and firing positions were highly contaminated by energetic materials and metals, that demolitions training ranges and grenades ranges showed significant RDX concentrations in the soils that resulted in groundwater contamination, that small arms stop butts and firing positions were heavily contaminated with lead, antimony and, propellant compounds. This paper will describe the efforts conducted to mitigate the negative impacts of training on military ranges through the use of innovative approaches developed by our research team. These approaches and new ways of designing ranges will be proposed to minimize or even remove impacts on the environment. New small-arms bullet catcher prototypes, two concepts for propellant burning tables, and a new design for demolitions and grenade ranges will be discussed.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,004

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 Opus0,086
Tête enseignante GPT0,373
Écart entre enseignants0,287 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspaceINRS (National Institute for Scientific Research (Canada))Même sujetFetal and Pediatric Neurological DisordersTravaux en français237 207