Uso del Sistema de Clasificación de Terreno para British Columbia para el mapeo geológico-geotécnico de superficie en obras civiles
Bibliographic record
Abstract
Como parte de la información base que se genera en las distintas etapas de un proyecto de ingeniería asociado a la construcción de una obra civil, se encuentra el mapeo geológico-geotécnico de superficie. Especificar las características del terreno y mostrar su distribución en el área de estudio, resultan fundamentales al momento de ejecutar una obra civil. La utilización, aplicación y adaptación del Sistema de Clasificación de Terreno para British Columbia (SCTBC) permite caracterizar un área determinada, clasificando materiales superficiales, su textura, expresiones superficiales, procesos geomorfológicos y tipos litológicos, que proporcionan información geológico-geotécnica de interés para el diseño de ingeniería de una obra civil. El mapa geológico-geotécnico basado en el SCTBC constituye una herramienta que entrega mayor cantidad de información y de mejor calidad que el mapeo geológico de superficie convencional, aportando incluso en la identificación de zonas de peligros naturales de índole geológica y aprovechando aún más el trabajo que se realiza en campo. El presente artículo muestra el desarrollo que ha aplicado Golder Associates en sus proyectos, mediante el uso del sistema SCTBC.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| 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 | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".