Outil d'aide à la gestion des interventions sur les barrages en béton
Bibliographic record
Abstract
La gestion des interventions sur les ouvrages en béton, publics et privés, n’est pas toujours optimale. Ceci est dû à l’absence d’un protocole complet capable de guider de manière homogène les ingénieurs dans leurs choix relatifs à la priorité ainsi qu’aux types de travaux à effectuer sur leurs ouvrages. Ce manque d’assistance décisionnelle se traduit par des interventions qui ne sont pas toujours optimales en termes de coûts et de durabilité.\nCe mémoire présente la méthodologie développée en collaboration avec les ingénieurs d’Hydro-Québec dans le but d’uniformiser, rationaliser et intégrer dans un outil de gestion les différentes étapes requises pour réussir des interventions optimales et de qualité.\nTrois activités sont essentielles afin de systématiser l’approche de réfection ou d’entretien sur les ouvrages en béton: le diagnostic des dégradations, l’évaluation de la pertinence des interventions et le choix des méthodes et produits de réfection appropriés. Après avoir fait une revue de documentation exhaustive afin de bien cerner le problème, les chapitres de ce mémoire décrivent successivement les approches retenues pour chaque activité en vue d’orienter efficacement les ingénieurs dans la gestion de leurs infrastructures.\nPlus précisément, un outil informatique a été développé de manière à incorporer les méthodes qui résultent de ce projet de recherche. Un logiciel de ce genre est essentiel, puisqu’en plus de simplifier l’utilisation à grande échelle des divers outils d’évaluation développés, il permet d’uniformiser les méthodologies de travail à l’intérieur d’une organisation de grande taille comme Hydro-Québec.\n
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.038 | 0.053 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.035 | 0.003 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".