A GIS Class Exercise to Study Environmental Risk
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Geographic Information System (GIS) software can be used to determine the spatial distribution of environmental hazards. The ability to look at multiple layers of information on one map enables investigators to visually compare areas that contain high numbers of hazardous industries with variables such as socio-economic status and race. We used GIS in a classroom exercise to examine the distribution of toxic release sites in Queens, New York. Using 1990 U.S. Census tract data along with Toxic Release Inventory (TRI) sites registered by the Environmental Protection Agency (EPA) for Queens in 2000, we created a series of maps to examine the relationships between the locations of known toxic releases and demographic factors such as race, education, income levels, and linguistic isolation. By using readily available digital data like TRI sites and census tract data this classroom project shows students the utility of GIS for analysis of environmental hazards. Our in-class exercise revealed 1) distinct divides between neighborhoods by race; 2) an association between the locations of TRI sites and Asian and Hispanic linguistic isolation; 3) correspondence between the locations of TRI sites and limited level of education; and 4) overlap between the locations of TRI sites and neighborhoods of low income. Although not a definitive environmental risk study, these findings suggest that neighborhoods with limited resources to prevent the siting of undesirable technologies in their communities or to move out of harm's way may be disproportionately subjected to environmental risks. Exercises of this sort are easily carried out by students with access to GIS. Such studies demonstrate to students the societal importance of integrating natural and social sciences.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle