MétaCan
Menu
Back to cohort
Record W2096126367 · doi:10.1051/mattech:2006010

Attaques chimique et biologique des effluents agricoles et agroalimentaires sur les matériaux cimentaires

2005· article· fr· W2096126367 on OpenAlexaff
Alexandra Bertron, Marie Coutand, Xavier Cameleyre, Gilles Escadeillas, Josée Duchesne

Bibliographic record

VenueMatériaux & Techniques · 2005
Typearticle
Languagefr
FieldEngineering
TopicInnovations in Concrete and Construction Materials
Canadian institutionsUniversité Laval
Fundersnot available
KeywordsChemistryArtHumanitiesMolecular biologyBiology

Abstract

fetched live from OpenAlex

Les effluents d’élevage ou de l’industrie agroalimentaire, tels que les lisiers, les jus d’ensilage ou les lactosérums, sont des milieux très agressifs pour les ouvrages agricoles en béton. En effet, ces effluents contiennent des bactéries et des acides organiques, deux agents potentiellement agressifs pour la matrice cimentaire. Les objectifs de cet article sont de caractériser les attaques associées à chacun des vecteurs agressifs et de déduire les paramètres de composition des liants favorisant leur durabilité en milieu agricole et agroalimentaire. Des éprouvettes de pâte de ciment ont été immergées dans trois types de solutions : un mélange d’acides organiques, afin d’analyser l’attaque associée à la partie acide des effluents, un lisier et un lactosérum de façon à analyser, pour ces effluents aux pH sensiblement différents, l’effet spécifique des bactéries dans la dégradation. Les modifications chimiques et minéralogiques ont été explorées par des analyses par microsonde électronique et diffraction des rayons X, associées à des observations au microscope électronique à balayage. Les résultats montrent que l’attaque associée à la partie acide des effluents se traduit par une décalcification quasi-totale de la matrice cimentaire, la zone dégradée étant constituée d’un squelette silicoalumineux quasi-amorphe. L’influence de la présence des bactéries sur les modes de dégradation et sur les cinétiques d’altération dépend grandement du pH de l’effluent.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.498
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.001
Science and technology studies0.0000.001
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.035
GPT teacher head0.289
Teacher spread0.254 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations14
Published2005
Admission routes1
Has abstractyes

Explore more

Same venueMatériaux & TechniquesSame topicInnovations in Concrete and Construction MaterialsFrench-language works237,207