Notice bibliographique
Résumé
Abstract This entry examines what is known regarding the economic characteristics of residential water use and how this type of information can be applied in managing water resources. Understanding the economic dimension of household water use is important for several reasons. First and most importantly, all households on the planet share the need for access to potable water supplies. On the other hand, households have very different degrees of access to safe water. For most of North America and Europe, access to clean water is almost taken for granted by many households. In contrast, a great number of households in low‐income countries do not have access to reliable supplies of potable water. As the World Bank contends, “The challenge is enormous: one billion people still lack access to safe water, two billion lack safe sanitation. Slow progress is not acceptable, as more than three million children still die every year from avoidable water‐related disease” (World Bank Water Supply and Sanitation web‐site, September 1, 2001 http://www.worldbank.org/html/fpd/water/ ). Second, the agricultural sector dominates global water use, but residential and industrial demands have grown much more rapidly during the twentieth century. Third, empirical evidence indicates that the amount of water used by a household is a complex function of a number of influences, including the price of water (both in monetary terms and in time costs), household income, and household characteristics (for example, the number of residents and water‐using appliances).
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».