MétaCan
Menu
Retour à la cohorte
Enregistrement W2029861233 · doi:10.2166/wp.2014.172

Water compliance challenges: how do Canadian small water systems respond?

2014· article· en· W2029861233 sur OpenAlexafffundabout
Megan Kot, Graham A. Gagnon, Heather Castleden

Notice bibliographique

RevueWater Policy · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensDalhousie University
Organismes subventionnairesCanadian Institutes of Health ResearchInstitut pour la Recherche en Santé Publique
Mots-clésCompliance (psychology)BusinessEnvironmental planningWater supplyWater qualityQuality (philosophy)Qualitative researchPublic relationsEnvironmental resource managementPolitical scienceEngineeringGeographyPsychologyEnvironmental engineeringEconomicsSociologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Fundamental to community health and well-being is the capacity to access a sustainable supply of safe drinking water. Small community drinking water systems are the most vulnerable to contamination, and struggle to secure the funds necessary to improve water treatment and delivery systems, and meet increasingly stringent drinking water quality regulations. Little is known of the contextual and cultural differences between communities and the impact this has on regulatory compliance. This study explored the experiences and impact of individual actors within seven small community drinking water systems in locations across Canada. Qualitative, in-person interviews were conducted with water operators, consumers, and decision-makers in each community, and these findings were analysed thematically. Findings from the study show that communities approach and align with compliance challenges in three distinct ways: by adopting regulator-provided or regulator-driven solutions, by adopting an existing improvement framework (i.e. regionalization), or through reinvention to address a new issue or concern. Policy-makers looking to align small communities with appropriate water quality goals may benefit from a consideration of these contextual and cultural differences.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil0,754

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0270,009
Communication savante0,0080,003
Science ouverte0,0030,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,054
Tête enseignante GPT0,272
Écart entre enseignants0,218 · 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

Citations17
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater PolicyMême sujetChild Nutrition and Water AccessTravaux en français237 207