FIRECAT: Fire Research Catalogue of Mass Timber Compartment Tests
Notice bibliographique
Résumé
Various research groups have conducted numerous mass timber compartment fire tests to validate the safety of mass timber as a structural material. Each test often generates gigabytes of measurement data. Unfortunately, the in-depth temperature measurements have always been underutilized. The temperature-time-location profiles are not widely shared in a usable format; they are often available only as plots and summary variables, such as charring rates, in the published literature. Moreover, due to significant variations in the experimental designs used by different research groups, it is challenging to make meaningful comparisons between the thermal profiles developed within structural members in dissimilar compartment configurations across different experimental campaigns. These roadblocks have long discouraged meta-analyses and other attempts to collate and analyze solid temperature data across different campaigns. This gap is addressed by introducing the Fire Research Catalogue of Mass Timber Compartment Tests (FIRECAT). This public, unified, and searchable relational database catalogues the in-depth temperature profiles developed in structural timber. Besides the temperature-time-location data, the database expresses test metadata with over 110 physical variables at the compartment and member levels, which are believed to influence the gas dynamics and the thermal response of the timber within the compartment. The FIRECAT database and its interactive public dashboard will serve as a resource for researchers and practitioners to benchmark structural thermal models for mass timber, perform meta-analyses, and develop scientific machine learning models for fire design. The interactive dashboard based on the latest version of FIRECAT is available here. No datasets are added to FIRECAT without properly citing the publication from which they were extracted. All citations can be found under the “campaign_info” field in the database for each test. Alongside maintaining proper attribution, the extraction of datasets from other publications does not constitute a transfer of data ownership, and the original dataset creators can contact us at any time to request their data to be corrected or withdrawn. If you wish to share your feedback, or to contribute your data to FIRECAT, kindly fill out our User & Contributor Feedback Survey. Data contributors should use the input template provided below (new_data_input_template.xlsx) to format their data prior to uploading it through the survey platform. For all other inquiries, please contact Arwa Abougharib via email (see contact information in Readme.md).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,022 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,035 |
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 source (Gemma direct ou Codex distillé), 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 ».