Design for sustainable development—Household drinking water filter for arsenic and pathogen treatment in Nepal
Notice bibliographique
Résumé
In the last 20 years, the widespread adoption of shallow tubewells in Nepal Terai region enabled substantial improvement in access to water, but recent national water quality testing showed that 3% of these sources contain arsenic above the Nepali interim guideline of 50 microg/L, and up to 60% contain unsafe microbial contamination. To combat this crisis, MIT, ENPHO and CAWST together researched, developed and implemented a household water treatment technology by applying an iterative, learning development framework. A pilot study comparing 3 technologies against technical, social, and economic criteria showed that the Kanchan Arsenic Filter (KAF) is the most promising technology for Nepal. A two-year technical and social evaluation of over 1000 KAFs deployed in rural villages of Nepal determined that the KAF typically removes 85-90% arsenic, 90-95% iron, 80-95% turbidity, and 85-99% total coliforms. Then 83% of the households continued to use the filter after 1 year, mainly motivated by the clean appearance, improved taste, and reduced odour of the filtered water, as compared to the original water source. Although over 5,000 filters have been implemented in Nepal by January 2007, further research rooted in sustainable development is necessary to understand the technology diffusion and scale-up process, in order to expand access to safe water in the country and beyond.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».