MétaCan
Menu
Retour à la cohorte
Enregistrement W2035701836 · doi:10.1080/15287390490492368

CORPORATIZATION AS A MEANS OF IMPROVING WATER QUALITY: THE EXPERIENCE IN VICTORIA, AUSTRALIA

2004· article· en· W2035701836 sur OpenAlexaff
Narelle Martin

Notice bibliographique

RevueJournal of Toxicology and Environmental Health · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensNiagara Health System
Organismes subventionnairesnon disponible
Mots-clésCorporatizationQuality (philosophy)BusinessWater qualityEnvironmental planningGeographyEconomicsEcologyPhilosophyMarket economy

Résumé

récupéré en direct d'OpenAlex

Factors including fragmentation, a lack of direction, poor accountability, poor water quality, and a sizable state government subsidy contributed to the rural water industry in Victoria, Australia, in 1993. In 1993 the state government set out parameters for reform to change the size, structure, performance, and culture of the water industry. The path taken was not privatization, but corporatization. Tools used included amalgamation of organizations; separating water provisions from local government; changing the composition and reporting mechanisms of the boards; establishing clear benchmarks and performance criteria; making information publicly available; and providing a commercial orientation. The outcomes of the reforms were to be a focus on water quality and effluent management. In 2001, 15 water authorities were in place. There were significant improvements in accountability, finances, and performance. The authorities provided information on performance to both the state and the public. Reductions of operating costs have been in the range of 20-35%, with savings put back into new infrastructure. Water quality has significantly improved in a number of parameters and effluent management has also improved. This paper describes the challenges faced before the reform process, the reforms initiated, and the outcomes. It argues that privatization is not the only path to improvement: Developing a corporate structure and accountability can also deliver substantial improvements.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,783
Score d'incertitude au seuil0,146

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,267
Écart entre enseignants0,242 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Toxicology and Environmental HealthMême sujetWater resources management and optimizationTravaux en français237 207