MétaCan
Menu
Retour à la cohorte
Enregistrement W1962840914 · doi:10.14796/jwmm.r225-02

An Overview of Water Quality Issues in Cambodia

2006· article· en· W1962840914 sur OpenAlexvenueno aff
Kim Irvine, Tom Murphy, M. Sampson, Va Dany, Stephen Vermette, Tao Tang

Notice bibliographique

RevueJournal of Water Management Modeling · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCambodian History and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRanking (information retrieval)Human Development IndexIndex (typography)GeographyEconomic growthDevelopment economicsQuality (philosophy)Developing countryHuman development (humanity)Political scienceEnvironmental protectionSocioeconomicsBusinessEconomicsComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Cambodia is amongst the poorest countries in the world, ranking 130 of 175 countries in the 2002 Human Development Index, as reported by the United Nations (www.un.org.kh/rcsystem/).The GDP per capita in 2002 was US$275 (www.state.gov/r/pa/ei/bgn/2732pr.htm).Life expectancy for men is around 54 and for women is 59, which reflects various factors, including high infant mortality rate and low living standards.Mortality due to waterborne diseases in Cambodia is high and is a situation that could be improved through better sanitary conditions and education.Cambodia also faces challenges related to population demographics (43% of the population is aged 15 or less) and the decimation of the skilled/educated sector of society during the Khmer Rouge period of 1975 -79 (Gottesman, 2003)).Estimates of the genocide vary, but Kiernan (1999) suggested about 1.67 million people, or 21% of the population perished during this period.Not only did the Khmer Rouge period exact a heavy toll on the Cambodian population, there also were major impacts on institutions and infrastructure within the country.Universities were closed, as were many primary and secondary schools.Although the Communist Party of Kampuchea (Khmer Rouge) had a Ministry of Education, there was little in

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,086
Tête enseignante GPT0,367
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetCambodian History and SocietyTravaux en français237 207