Análise da influência da nanosílica na resistência à compressão de concretos
Bibliographic record
Abstract
Atualmente, o concreto é o material mais utilizado pela construção civil para os mais diversos tipos de obras. Devido à sua importância para a área, cada vez mais há pesquisas que estudam as propriedades físicas e mecânicas do material e buscam por melhorias nas mesmas. Recentemente, intensificou-se a utilização de adições minerais em concretos justamente buscando melhorar tais características. Entre essas melhorias buscadas, cita-se uma maior durabilidade das estruturas, que é caracterizada sucintamente, de acordo com a NBR 15575-1 (ABNT, 2013), como a capacidade do edifício ou de seus sistemas em desempenhar suas funções, ao longo do tempo. Desse modo, concomitante ao avanço da utilização da nanotecnologia em diversas áreas, a adição da nanosílica materiais cimentícios proporciona um melhor preenchimento de vazios entre os grãos de cimento e aumento da densidade por empacotamento. A nanosílica possui ainda alta reatividade pozolânica, reagindo com compostos da hidratação do cimento, tornando a matriz mais densa. E tem como principal efeito apresentar ganho na resistência à compressão e maior durabilidade dos concretos. O presente trabalho teve como objetivo avaliar a influência da incorporação de nanosílicas (em teores distintos) na resistência à compressão (fc) de concretos (7 e 28 dias) a partir da análise estatística (análise de variância - ANOVA, 5% de significância), a partir de um banco de dados provenientes de pesquisas científicas (30 estudos). Optou-se por restringir as análises para os teores com número maior de amostras caracterizadas quanto à resistência à compressão, 1%, 1,5%, 2%, 3% e 5%. Constatou-se não ser significativa a inclusão dos teores de nanosílicas nos valores fc dos concretos. Para resultados mais contundentes faz-se necessário o desenvolvimento de novas pesquisas, com o propósito do um aumento significativo no banco de dados, possibilitando melhor categorização e posterior análise dos resultados.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".