Scale-up of electrically conductive concrete (ECC) with applications and development of ultra-high-performance ECC mix-design
Bibliographic record
Abstract
Les régions froides sont à la recherche de méthodes plus efficaces pour déneiger les voies de circulation et les espaces publiques afin de diminuer les accidents, la pollution et la dégradation des milieux environnants, tout en diminuant leurs budgets annuels de déneigement. Plusieurs universités et centres de recherche, pendant ces 20 dernières années ont développé des mélanges de béton électriquement conducteurs (BEC) et certains ont poussé la recherche jusqu'au développement et à l'installation de ces systèmes afin de tester leur viabilité. C'est dans l'optique d'apporter sa contribution, que L'Université Laval s'est lancée dans le projet béton chauffant dont la première phase s'est terminée en 2018 avec la création d'un système déglaçant, automatisé, en béton électriquement conducteur. Ce mémoire marque la fin de la seconde partie du projet sur les bétons chauffants à l'Université Laval lors de laquelle le système développé dans la phase 1 a été mis à l'échelle et amélioré afin de le préparer à la commercialisation. Cette mise à l'échelle s'est traduite par l'installation d'un espace de 4m² en dalles électriquement conductrices, avec un banc et un caniveau eux aussi électriquement conducteurs. L'étude de ce système a eu lieu pendant l'hiver 2019-2020 et s'est couronné par une analyse statistique des performances du système. Il est important de souligner que le mobilier et les canalisations en BEC étudiés font de ce projet le premier à proposer des applications autres que les chaussées pour un système en BEC. De plus, une formulation d'un béton conducteur ultra performant (BCUP) a été développée afin d'étendre la technologie à ce type de béton pour multiplier les options d'utilisation de ce système. Même si le mélange proposé requiert de plus amples analyses afin d'être amélioré et caractérisé, cela constitue un pas important pour l'utilisation d'un BCUP dans un système déglaçant.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".