MétaCan
Menu
Retour à la cohorte
Enregistrement W2029699080 · doi:10.1111/j.1752-1688.2001.tb05507.x

ON‐FARM WATER CONSERVATION PRACTICES IN SOUTHERN ALBERTA<sup>1</sup>

2001· article· en· W2029699080 sur OpenAlexaffabout
Thomas R. R. Johnston, David E. Kromm, James Byrne

Notice bibliographique

RevueJAWRA Journal of the American Water Resources Association · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésWater conservationIrrigationAgricultureWater useFarm waterBusinessEnvironmental scienceWater resource managementIrrigation managementNatural resource economicsAgricultural economicsEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: In southern Alberta, as elsewhere, pressures on limited water supplies are increasing. Not surprisingly, a great deal of attention has been focused on irrigated agriculture, which accounts for the largest share of water consumed in the region. In order to meet broadly accepted water conservation goals, some commentators have suggested that irrigation water use should be metered and that irrigators should be charged based on the amount of water used. An alternative proposal would have water management authorities rely upon the perceived adaptability of irrigators. This paper offers a perspective on the willingness of irrigators to conserve water. Based on a survey of 183 irrigation farmers conducted over the summer and early fall of 1998, we found that irrigators are generally aware of the need to conserve water and soil moisture, and that a variety of water conserving strategies were being employed. Water saving technologies specific to irrigation agriculture were less widely adopted. The findings suggest that there is considerable potential to reduce the amount of water consumed by the irrigation sector through increased efficiency, but that change will be limited if current economic circumstances and institutional arrangements persist.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,306

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,199 · 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
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

Citations9
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAWRA Journal of the American Water Resources AssociationMême sujetWater resources management and optimizationTravaux en français237 207