MétaCan
Menu
Retour à la cohorte

Valorisation des sédiments de dragage dans des bétons autoplaçants : optimisation de la formulation et étude de la durabilité

2020· dissertation· W7149336004 sur OpenAlexaboutno aff
Amine el Mahdi Safhi

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValorisationWork (physics)General interest

Résumé

récupéré en direct d'OpenAlex

La demande en matériaux de construction a considérablement augmenté, dont la grande majorité est d’origine naturelle. Etant donné que ces matériaux ne sont pas renouvelables, il est essentiel de trouver des matériaux alternatifs. Les études récentes menées à l’IMT Lille Douai ont montré que les matériaux issus de dragage possèdent des propriétés pouzzolaniques intéressantes et peuvent être utilisées comme ajouts cimentaires alternatifs ou comme filler. Vu le volume important dragué annuellement, cette valorisation aura des impacts environnementaux et économiques très positifs.Les objectifs visés dans cette recherche portent sur : la valorisation des sédiments du Grand Port Maritime de Dunkerque (GPMD, France) dans les bétons autoplaçants (BAPs) comme ajouts cimentaires ; la valorisation des sédiments fluviaux du Château l’Abbaye (France) dans des mortiers comme ajouts cimentaires afin d’évaluer la mobilité et la stabilité des éléments traces métalliques ; la solidification des sables dragués des Iles-de-la-Madeline (Québec) par liant hydraulique afin de produire des roches artificielles.Dans l’ensemble, les résultats de ce travail sur les sédiments mettent en exergue la contribution substantielle de ces matériaux à l’amélioration des performances des bétons et supportent leur emploi comme ajouts cimentaires. Ces résultats contribuent à réduire l’empreinte du CO2 dans le béton, ainsi que les exploitations minières. Ils permettent de mieux comprendre le comportement des sédiments dans les bétons à partir de certaines analyses et traitements, et d’identifier les milieux agressifs convenables à l’utilisation des sédiments.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,277
Écart entre enseignants0,266 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaterials Engineering and ProcessingTravaux en français237 207