Béton à faible teneur en carbone : un rendement durable à prix abordable
Bibliographic record
Abstract
Le gouvernement du Canada a établi des cibles ambitieuses pour réduire les émissions de GES d’ici 2025 et atteindre la carboneutralité d’ici 2050 pour faire face à la crise climatique. L’industrie de la construction doit se soumettre à un important processus de décarbonisation pour aider à atténuer la crise climatique. Ce livre blanc fournit des renseignements sur les approches générales bien connues ou largement utilisées pour réduire le carbone intrinsèque des matériaux en béton, ainsi que le coût, sans compromettre le rendement ou la sécurité. Il aborde certains des risques communs perçus liés à l’utilisation de béton à faible teneur en carbone et discute de la façon dont les normes actuelles appuient les matériaux de béton à faible teneur en carbone dans les projets de construction. Sachant que de grands efforts sont déployés à l’échelle mondiale pour mettre au point du béton à faible teneur en carbone, un domaine en évolution rapide et essentiel à la réduction des émissions de GES dans le secteur de la construction, ce document ne vise pas à discuter des innovations émergentes et prometteuses. Ce livre blanc vise à faciliter l’approvisionnement et l’utilisation du béton dans des projets de construction partout au Canada qui ont une teneur en carbone moins élevée, en fonction des données probantes sur les technologies et les approches existantes qui sont largement acceptées, mais qui n’ont peut-être pas été considérées comme des stratégies à faibles émissions de carbone parmi les communautés d’ingénieurs en béton et en structure. En augmentant l’utilisation du béton à faible teneur en carbone, nous pouvons contribuer à réduire l’empreinte carbone de l’industrie de la construction et nous orienter vers un avenir plus durable.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".