AVALIAÇÃO DA GERAÇÃO DE RESÍDUOS DE CONSTRUÇÃO CIVIL (RCC) NO PROCESSO DE ASSENTAMENTO CERÂMICO
Bibliographic record
Abstract
A construção civil é um setor importante na economia, principalmente em tempos de crise financeira e elevadas taxas de desemprego, devido à baixa qualificação exigida da mão-de-obra. Os resíduos da construção civil (RCC’s) são responsáveis por grande parcela dos resíduos sólidos urbanos, fator ligado a qualidade da mão-de-obra. Deste modo, este artigo objetivou quantificar a geração de resíduos provenientes do processo de assentamento cerâmico em construções de edifícios. Os resultados foram obtidos em construções no município de Criciúma/SC, onde, foram estudadas duas construtoras. A partir dos resultados, foi possível estimar a geração de resíduos na cidade em questão. Bem como, realizar uma comparação afim de evidenciar a variação na geração de resíduos entre duas construtoras diferentes da mesma cidade. Além disso, através de classificação fornecida pelos mestres de obras responsáveis, obteve-se uma escala de qualificação da mão-de-obra, afim de comparar a geração de resíduos entre diferentes qualificações. Outro indicador estudado, é em relação ao PBQP-H, onde, compara-se a média de resíduos gerados, em uma construtora certificada e outra que não possui a certificação.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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.
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".