MétaCan
Menu
Retour à la cohorte
Enregistrement W2025695314 · doi:10.2166/wp.2013.140

The periurban water security problem: a case study of Hyderabad in Southern India

2013· article· en· W2025695314 sur OpenAlexfundno aff
Anjal Prakash

Notice bibliographique

RevueWater Policy · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésUrbanizationWater securityWater supplyGroundwaterPopulationWater resource managementGeographyWater resourcesIrrigationSurface waterRural areaEnvironmental planningEnvironmental scienceEnvironmental engineeringEconomic growthEngineeringEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The 2011 Census of India produced some interesting facts about the process of urbanisation in India. For the first time since Independence, the absolute increase in population is more in urban than in rural areas. The increase in urban areas has put pressure on the basic infrastructure, including access to water for both urban and periurban locations. Most Indian cities have formal water supply for only a few hours a day and only in limited areas. The question is – where are the remaining water requirements coming from? For much of India's ‘water history’, the focus has been on large-scale surface-water projects to provide access, focusing more on irrigation and neglecting sources within the city and the periurban areas. Over time an enormous informal groundwater market has arisen in several cities to bridge the demand–supply gap. This water demand is met through supplies of water through informal water markets. Water is sourced from the periurban regions, which are usually richer in surface water and groundwater. This paper focuses on the change process as witnessed by periurban areas with a case study of Hyderabad. This paper presents an overview of a trend that is leading to immense water insecurities due to a combination of issues.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,238

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,186 · 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'étudeQualitatif
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

Citations25
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater PolicyMême sujetWater resources management and optimizationTravaux en français237 207