MétaCan
Menu
Retour à la cohorte
Enregistrement W7083314120 · doi:10.11159/ijci.2025.010

Processing of Recycled Cement Sacks as Cellulose Pulp into Pervious Concrete

2025· article· en· W7083314120 sur OpenAlexvenueno aff

Notice bibliographique

RevueInternational Journal of Civil Infrastructure · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEthnobotanical and Medicinal Plants Studies
Établissements canadiensnon disponible
Organismes subventionnairesConsejo Nacional de Ciencia, Tecnología e Innovación Tecnológica
Mots-clésPulp (tooth)CellulosePervious concreteCement

Résumé

récupéré en direct d'OpenAlex

This study proposes and validates a methodology for incorporating cellulose fibres (CF) from recycled cement sacks into pervious concrete.The process involves mechanically converting the sacks into pulp and pre-saturating them to ensure integration into the mix.The CF obtained was evaluated in terms of composition, and its performance was assessed through rheology and the mechanical and permeability properties of pervious concrete at three dosages (3.9, 5.8, and 7.7 kg/m).A straightforward mechanical procedure was established to produce the CF, requiring a minimum presaturation period of 12 hours to secure adequate mix flowability and paste coating uniformity.XRF and XRD tests confirmed that the treatment reduced cement residues, although traces of chlorine remained.Saturated CF did not compromise matrix fluidity, ensuring an adequate coating.Additionally, CF improved permeability by up to 32.9% without compromising strength, acting as an internal curing agent and enhancing longterm compressive strength up to 10.4%.CF also strengthened matrix-aggregate bonding, improved post-crack integrity, and promoted a more ductile failure mode.In conclusion, processing cement sacks into cellulose fibres provides a practical and sustainable solution for improving cohesion and permeability in pervious concrete while maintaining mechanical performance.This approach supports sustainable construction by valorising packaging waste and offers a method adaptable to industry, depending on local conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,265
Écart entre enseignants0,257 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Civil InfrastructureMême sujetEthnobotanical and Medicinal Plants StudiesTravaux en français237 207