MétaCan
Menu
Retour à la cohorte
Enregistrement W1674111392 · doi:10.5539/jsd.v8n8p1

Investigating the Predictors of Domestic Water Consumption in Urban Households with Children Under-Five Years: A Panel Study in the Atwima Nwabiagya District, Ghana

2015· article· en· W1674111392 sur OpenAlexvenueno aff
Leslie Danquah, Esi Awuah, Seth Agyemang, Charlotte Monica Mensah

Notice bibliographique

RevueJournal of Sustainable Development · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPer capitaDry seasonConsumption (sociology)Water consumptionSocioeconomicsGeographyEnvironmental scienceWet seasonToxicologyDemographyWater resource managementEconomicsBiologyPopulation

Résumé

récupéré en direct d'OpenAlex

This panel study investigated the effect of potential predictors on per capita domestic water consumption in the wet and dry seasons. A total of 242 urban households with children under age five were drawn from two urban communities, Abuakwa and Nkawie, in the Atwima Nwabiagya District, Ghana. Data were collected from mothers using interviewer-administered questionnaires and analyzed using correlation and stepwise multiple regression. Mean per capita daily water consumption was estimated at 38.97 and 20.70 liters in the wet (n = 140) and dry seasons (n = 235), respectively. The volume of the primary water storage vessel, number of water storage containers, and household size were the most significant predictors in the wet season, constituting 16% of the variation in water consumption. Duration of water storage, household size, number of water service hours, and volume of the primary water storage vessel emerged as the most significant predictors in the dry season, constituting 40% of the variation in water consumption. Further research that considers a wider range of socio-demographic factors, such as the gender of the household head, culture, religion and water use characteristics of each member of the household are recommended.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,208
Écart entre enseignants0,187 · 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'étudeObservationnel
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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetWater resources management and optimizationTravaux en français237 207