MétaCan
Menu
Retour à la cohorte
Enregistrement W1604592173 · doi:10.1029/2007wr005922

Role of a central administrator in managing water resources: The case of the Israeli water commissioner

2007· article· en· W1604592173 sur OpenAlexaff
Eran Feitelson, Itay Fischhendler, Paul Kay

Notice bibliographique

RevueWater Resources Research · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWater resourcesResource (disambiguation)AbstractionBusinessWater useWater supplyEnvironmental economicsEnvironmental resource managementWater resource managementEnvironmental scienceEconomicsComputer scienceEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Water managers are usually implicitly assumed to be public servants whose sole purpose is to manage water in the best possible way for the public good. Yet water managers, as all bureaucrats, have interests, ideas, beliefs, and constituencies. This paper investigates whether and how differences between water managers affect the management of water resources and especially their action in face of scientific uncertainty. Israel has an exceptionally centralized national water system. The water commissioner entrusted with operating and regulating this system has wide‐ranging power to allocate water among users and to determine the rate of abstraction from the various water resources. The water allocations and abstraction policies of different water commissioners in Israel are analyzed. It is shown that the tenure of a water commissioner is a significant explanatory variable of water resource management, controlling for variations in precipitation and state of the water resources. A more detailed analysis of their abstraction decisions shows that different water commissioners followed distinctly different policies under similar conditions. It is suggested that a stricter checks and balances system may attenuate these intertenure variations in policies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,422
Score d'incertitude au seuil0,407

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetWater resources management and optimizationTravaux en français237 207