Coffrer la complexité : comment matérialiser les formes non-standards en béton par l'impression 3D
Bibliographic record
Abstract
Ce mémoire est l'aboutissement d'une recherche-création de deux ans sur la conception et la fabrication numérique appliquées à la construction en béton. Les six chapitres qu'il comprend traitent de l'état actuel des méthodes utilisées pour la mise en place de formes complexes en béton, du potentiel des nouvelles méthodes émergentes et finalement, de l'impact potentiel de ces méthodes sur les processus de conception et de fabrication. La recherche-création était une méthodologie de recherche. Elle permettait de concevoir des éléments complexes à mettre en place pour pousser au maximum les limites des méthodes testées et soulever les enjeux architecturaux et constructifs propres à chacune. L'aller-retour créatif entre la conception et la technique permet de valider ou d'invalider de manière directe les possibilités offertes par la fabrication additive pour le coffrage de formes complexes. Ces méthodes incluent -- mais ne se limitent pas à -- l'impression 3D flexible, l'impression 3D soluble et l'impression 3D nylon. Leurs forces et faiblesses sont discutées dans le mémoire, et des recommandations sur les situations optimales à l'utilisation de chacune se retrouvent à la fin de leurs sections respectives. Finalement, on retrouve dans le mémoire des expérimentations, observations et réflexions sur la trace de l'outil et l'augmentation d'échelle. Ces deux sections permettent de comprendre l'ensemble du potentiel architectural concret suggéré par ces nouveaux modes de fabrication. Parfois limitées par les moyens accessibles dans le cadre de cette recherche, des explorations sur les différentes manières de mettre en place des éléments complexe en béton à grande échelle viennent complémenter la recherche théorique à cet égard. La collaboration avec les chercheurs en ingénierie du CRIB de la faculté de génie de l'Université Laval a d'ailleurs été essentielle à la validation de certains de ces éléments théoriques. Finalement, l'objctif de cette recherche était de rassembler un maximum de connaissances théoriques et pratique sur les manières de mettre en place une architecture en béton complexe afin de mettre à jour un paysage technologique en constante évolution.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".