Bibliographic record
Abstract
Het vakgebied ‘wind engineering’ zoals dat thans bestaat, is begonnen toen in verschillende landen in begin jaren 1960 de windbelasting en de respons van gebouwen werd onderzocht. Baanbrekende principes werden met name door Alan Davenport en collega’s in Canada geformuleerd. Sindsdien zijn op de toen gelegde fundamenten wereldwijd bijdragen geleverd aan het begrijpen van en het in ontwerpregels vastleggen van de windeffecten op gebouwen.In deze bijdrage wordt ingegaan op de huidige stand van zaken als het gaat om de kennis die de afgelopen 50 jaren is vergaard op het gebied van de windbelasting en de toepassing van die kennis in de bouwpraktijk. In het artikel is ervoor gekozen als uitgangspunt de praktijk te kiezen. Dit heeft vooral betrekking op de werkzaamheden van constructeurs, maar is ook van belang voor de toeleveranciers van dak- en gevelbekledingen. Achtereenvolgens komt de rol aan de orde van:-de normbladen-windtunnelonderzoek-ware grootte experimenten-de universiteiten.In dit artikel wordt rond die vier rollen geschetst hoe de stand van zaken is, wat de bouwpraktijk er mee moet en doet, en welke ontwikkelingen er thans zijn die binnen afzienbare tijd toepassing moeten vinden
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.027 | 0.005 |
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".