Determinación y evaluación de patologías en el pavimento rígido de la 6ta cuadra del jr. Grau, del distrito de Ayacucho, provincia de Huamanga, región Ayacucho, 2019
Notice bibliographique
Résumé
La presente investigación tiene por finalidad determinar y evaluar las patologías \nencontradas en el concreto, con ello, obtener el índice de condición operacional de la \nsuperficie del concreto del pavimento rígido de la sexta cuadra del Jr. Grau, \ndelimitados a partir de la esquina con el Jr. Chorro hasta la esquina con el Jr. Miguel \nAstete, distrito de Ayacucho, provincia de Huamanga, región Ayacucho. Se logró \nidentificar como el problema de la presente investigación ¿De qué manera, la \ndeterminación de las Causas de las patologías en el Concreto del Pavimento Rígido de \nla 6ta cuadra del Jr. Grau de la ciudad de Ayacucho, nos permitirá obtener un índice \ndel estado actual del pavimento y la condición operacional de su superficie?”. La \nmetodología de la investigación que se empleó es de tipo descriptivo, analítico, no \nexperimental y de corte transversal. El objetivo general fue determinar las patologías \nen la 6ta Cuadra del Jr. Grau de la ciudad de Ayacucho; Para lo cual se procedió a \nrealizar los procedimientos correspondientes, la longitud total del pavimento evaluado \nes de 335.20 metros lineales de los cuales se han considerado los 126 paños, los \nresultados obtenidos fue un PCI de 56.7 en promedio, de acuerdo al rango de \nclasificación, se considera como de condición Buena. La patología con severidad alta \ncorresponde a la patología de “Daño de Sello de Junta”, así como Pulimento de \nAgregado que afecta el 100% de las losas, seguido por descascaramiento de juntas, \ngrietas de esquina y descascaramiento de esquina.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».