Incidence des meneaux d’un mur-rideau sur l’indice ASTC de cloisons intérieures
Bibliographic record
Abstract
De nos jours, le mur-rideau est un revêtement extérieur de plus en plus utilisé dans l’architecture moderne. Ceci est vrai pour beaucoup de bâtiments de types commerciaux et résidentiels, tels que des hôpitaux, écoles, centres commerciaux ou tours d’habitation. Ce type de revêtement implique que certaines cloisons intérieures séparant deux locaux soient directement reliées à un meneau en aluminium issu du mur-rideau. Cette particularité peut amener une voie de flanquement importante et réduire la performance acoustique de la cloison intérieure initialement visée. Sachant que l’isolement acoustique d’un espace demeure une priorité et ce, particulièrement pour des environnements où des informations de type confidentielles sont transmises, par exemple, dans les hôpitaux, il est important d’avoir une isolation sonore de qualité et de limiter les voies de flanquement afin de respecter la confidentialité. Le présent article a pour but de déterminer à l’aide de mesures de bruit in situ, l’effet que peut avoir un meneau sur l’indice ASTC d’une cloison séparant deux espaces sensibles. Dans un premier temps, une mise en contexte ainsi que la méthodologie utilisée pour effectuer les mesures seront présentées. Ensuite, les résultats des différentes séries de mesures seront discutés. Le tout sera suivi d’une conclusion afin de connaitre l’incidence que peuvent avoir les meneaux sur l’indice ASTC.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".