MétaCan
Menu
Retour à la cohorte
Enregistrement W1986924460 · doi:10.5539/jsd.v3n4p210

Sustainable Water Service Delivery: An Assessment of a Water Agency in a Rapidly Urbanizing City in Nigeria

2010· article· en· W1986924460 sur OpenAlexvenueno aff
Ayo Emmanuel Olajuyigbe

Notice bibliographique

RevueJournal of Sustainable Development · 2010
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporationWater supplyBusinessPaymentService (business)Service delivery frameworkAgency (philosophy)Distribution (mathematics)State (computer science)Sample (material)Water industryEnvironmental planningWater resource managementEnvironmental economicsFinanceEnvironmental scienceMarketingEnvironmental engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

In the Nigerian Federation, water supply is a state responsibility. State governments have therefore created State Water Agencies to manage and operate systems for water service delivery in all urban and semi-urban areas. Generally, these State Water Agencies have failed to effectively deliver water services to the people. In Ado-Ekiti, the Ekiti State Water Corporation is saddled with the task of meeting the water needs of the city dwellers. This paper examines some factors that explain the poor service delivery level of the Corporation. Adopting a sample size of 1,200 (4% of the total number of households in Ado-Ekiti) through random sampling technique, empirical estimates show that factors that significantly affect the performance level of this Corporation include: payment for water supply, billing system, adequacy of supply, frequency of pumping of water, notices from the Corporation in cases of system breakdown, response to leakages, adequacy of public standing pipes and appropriate location or distribution of standing pipes. The paper clamored for an evolvement of water policy for the state that would adequately address the issues emanating from the significant factors affecting the Corporation performance.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,237
Score d'incertitude au seuil0,797

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,276
Écart entre enseignants0,264 · 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

Citations12
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetChild Nutrition and Water AccessTravaux en français237 207