Enrobé armé de grille en fibre de verre : Test sur le manège de fatigue de l'IFSTTAR
Bibliographic record
Abstract
Dans le cadre du projet européen FORMAT (Fully Optimised Road Maintenance), trois techniques d'entretien mince de chaussée fissurée ont été testées sur le manège de fatigue de l'IFSTTAR. La première technique consistait en couche de 4 cm de béton bitumeux mince (BBM), la deuxième en un béton bitumineux très mince (BBTM) de 2,5 cm d'épaisseur et armé d'une géogrille en partie basse, et la troisième en un BBTM classique de 2,5 cm. La structure initialement endommagée présentait une fissuration généralisée des couches bitumineuses. Bien que fissurée, cette chaussée avait encore une capacité structurelle avec une déflexion moyenne de 55 1/100 mm sous un essieu de 13 tonnes. Après 1 million de chargements appliqués par des jumelages chargés à 65 KN, les trois techniques d'entretien ont présenté une fissuration transversale fine sur toute leur longueur. Avec la poursuite du trafic jusqu'à 3,3 millions de chargements, les fissures existantes sur les planches de 4 cm de BBM et 2,5 cm de BBTM sont devenues plus ouvertes et plus marquées. Sur le BBTM armé d'une géogrille, on notait des fissures transversales bien marquées sur seulement 10 % de la longueur de la planche.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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".