Exploratory Structural Equation Modeling Of Influencing Factors For Concrete Curing
Notice bibliographique
Résumé
Concrete curing is a comprehensive construction activity that varies in duration and is critical to the quality and strength of the material when it hardens. An essential challenge of this activity is to choose the appropriate curing and testing methods for a wide assortment of concrete designs because the material is affected by multiple factors (e.g., temperature and moisture) and requires the collaboration of workers, engineers, and inspectors. This research proposes to explore the influencing factors and create a data model to describe the relationships of the factors, which can help project teams to understand the key elements of concrete curing and enhance the quality control of the construction activity. In this research, a questionnaire survey was designed, reviewed, and approved to collect the information from the departments of transportation in the U.S. and Canada with the purpose to understand the current curing practice of on-site concrete. The survey was delivered and managed using an online tool called Qualtrics and the received data was analyzed using an exploratory structural equation modeling (SEM) method. The analysis will reveal the underlying factors that cause patterns and also study indicators or actors to explain these factors. Next, a SEM will be built to assess the latent variables that cannot be observed but rather inferred based on prevailing factors and group these factors into sections based on their characteristics. After the model formation, the research will examine Cronbach's alpha to estimate the internal consistency of the identified factors and generalize the results.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».