MétaCan
Menu
Retour à la cohorte
Enregistrement W1995442897 · doi:10.1108/14777830310488676

SWARD: decision support processes for the UK water industry

2003· article· en· W1995442897 sur OpenAlexaff
David Butler, Paul Jowitt, Richard Ashley, David J. Blackwood, John Davies, Crina Oltean‐Dumbrava, G. McIlkenny, Timothy J. Foxon, Daniel Gilmour, H. P. Smith, Sue Cavill, Matt Leach, Peter J. G. Pearson, Hazem Gouda, W. B. Samson, N. Souter, Sarah Hendry, James Moir, F. J.-C. Bouchart

Notice bibliographique

RevueManagement of Environmental Quality An International Journal · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSustainabilityAsset (computer security)BusinessContext (archaeology)Resource (disambiguation)Sustainable developmentService (business)Investment (military)Asset managementEnvironmental economicsEnvironmental resource managementEnvironmental scienceFinanceComputer scienceMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

In industrialised countries water service providers (WSPs) must provide an appropriate level of service with an acceptable performance at an acceptable cost to customers. In the UK a move towards sustainable development is now also a major goal for WSPs. However, the imposition of institutional systems and regulatory targets still encourage the adoption of less sustainable technologies or solutions by the water industry. It is within this context, that the Sustainable Water industry Asset Resource Decisions (SWARD) project has developed a set of decision support processes that allow WSPs to assess the relative sustainability of water/wastewater system asset development decisions. A Guidebook has been produced that takes the WSP and its stakeholders through the processes essential to incorporating sustainability in asset investment decision‐making. Several case studies that demonstrate the SWARD principles in application are included within the Guidebook, the experience of which is described in this paper.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,022
Tête enseignante GPT0,267
Écart entre enseignants0,244 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations24
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement of Environmental Quality An International JournalMême sujetWater resources management and optimizationTravaux en français237 207