Determinación y evaluación de patologías en el pavimento rígido de la 6ta cuadra del jr. Grau, del distrito de Ayacucho, provincia de Huamanga, región Ayacucho, 2019
Bibliographic record
Abstract
La presente investigación tiene por finalidad determinar y evaluar las patologías \nencontradas en el concreto, con ello, obtener el índice de condición operacional de la \nsuperficie del concreto del pavimento rígido de la sexta cuadra del Jr. Grau, \ndelimitados a partir de la esquina con el Jr. Chorro hasta la esquina con el Jr. Miguel \nAstete, distrito de Ayacucho, provincia de Huamanga, región Ayacucho. Se logró \nidentificar como el problema de la presente investigación ¿De qué manera, la \ndeterminación de las Causas de las patologías en el Concreto del Pavimento Rígido de \nla 6ta cuadra del Jr. Grau de la ciudad de Ayacucho, nos permitirá obtener un índice \ndel estado actual del pavimento y la condición operacional de su superficie?”. La \nmetodología de la investigación que se empleó es de tipo descriptivo, analítico, no \nexperimental y de corte transversal. El objetivo general fue determinar las patologías \nen la 6ta Cuadra del Jr. Grau de la ciudad de Ayacucho; Para lo cual se procedió a \nrealizar los procedimientos correspondientes, la longitud total del pavimento evaluado \nes de 335.20 metros lineales de los cuales se han considerado los 126 paños, los \nresultados obtenidos fue un PCI de 56.7 en promedio, de acuerdo al rango de \nclasificación, se considera como de condición Buena. La patología con severidad alta \ncorresponde a la patología de “Daño de Sello de Junta”, así como Pulimento de \nAgregado que afecta el 100% de las losas, seguido por descascaramiento de juntas, \ngrietas de esquina y descascaramiento de esquina.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".