MétaCan
Menu
Retour à la cohorte
Enregistrement W7017513562

Auscultation topographique du pont Laviolette à Trois-Rivières

2023· other· fr· W7017513562 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeother
Languefr
DomaineBusiness, Management and Accounting
ThématiqueHospitality and Tourism Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVideo recordingSpeed measurementTime lag
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Avec les années, la taille des navires ne cesse d'augmenter. Ceci pose un problème pour la navigation marchande, car de nombreux obstacles peuvent limiter le passage de ces navires de plus grande taille. Lorsqu'un navire a pour destination le port de Montréal, le pont Laviolette est l'obstacle aérien principal à considérer. C'est dans ce contexte que l'Administration portuaire de Montréal (APM) a lancé le projet d'auscultation du pont Laviolette. Cette auscultation a pour but d'analyser la variation du dégagement vertical dynamique sous le pont sur une période d'un an. Pour y parvenir, quatre antennes GNSS, un distancemètre laser, un distancemètre radar et une station météorologique ont été installés sur le pont. Ces instruments ont permis de quantifier les mouvements du pont en fonction de facteurs tels le vent, la température et la circulation automobile ainsi que leur incidence sur le dégagement vertical dynamique. Les résultats démontrent que la différence de température entre l'hiver et l'été cause des variations altimétriques atteignant 6 cm au sommet du pont et 3 cm au niveau de la chaussée du pont. C'est toutefois le niveau d'eau du fleuve Saint-Laurent qui est le facteur ayant le plus d'influence. Le fleuve varie d'environ 3 m entre la crue des eaux et son niveau le plus bas. Deux modèles indépendants du dégagement vertical dynamique ont été comparés. Le premier considère que le pont a une hauteur fixe et fait uniquement varier le niveau du fleuve. Le deuxième utilise les mesures du distancemètre radar installé sous le pont ce qui donne des dégagements qui tiennent aussi compte des mouvements du pont. En général, l'écart entre les deux modèles est de quelques cm et cet écart varie légèrement en fonction des saisons. En appliquant une correction thermique au premier modèle, l'écart entre les deux techniques est réduit de 1,6 cm.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHospitality and Tourism EducationTravaux en français237 207