Dégradation des structures en condition hivernale et ses limitations
Bibliographic record
Abstract
La dégradation des structures est une problématique constante où les coûts de réhabilitation \nannuels peuvent atteindre des milliards de dollars en Amérique du Nord. Les coûts \nindirects, comme les retards dus aux embouteillages et à la perte de productivité résultants \nde l'entretien des ponts et aux remplacements des structures, augmentent de plus de dix fois \nle coût direct lié aux détériorations des ouvrages. Des modèles performants permettent de \ndéterminer la durée de vie restante d’un élément ou d’une structure en considérant la \nrésistance des structures à la corrosion et les mécanismes de détérioration de manière \nquantitative. Ces mécanismes de détérioration dépendent du climat ambiant et de \nl’environnement qui sont essentiels afin d’établir la fiabilité des méthodes de conception \nliées à la performance structurale. L’Ontario et le Québec sont les provinces qui utilisent \nle plus de sel de déverglaçage pour la sécurité des usagers pendant la période hivernale. \nCes types de sel contiennent des ions chlore et qui migrent dans la solution interstitielle du \nbéton armé jusqu’au niveau des aciers d’armature et les corrodent lorsqu’ils se trouvent en \nquantité suffisante. La vitesse de diffusion des ions chlore dépend directement de \nl’exposition de la structure au climat et au sel de déverglaçage. Cette étude vise à montrer \nl’influence des conditions environnementales et climatiques dans la dégradation des \nstructures en condition hivernale.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".