MétaCan
Menu
Retour à la cohorte
Enregistrement W2047524072 · doi:10.2495/ws110101

Exploring links between policy preferences for water reallocation and beliefs, values, attitudes, and social norms in Alberta, Canada

2011· article· en· W2047524072 sur OpenAlexafffundabout
Martin Russenberger, Henning Bjørnlund, Wei Xu

Notice bibliographique

RevueWIT transactions on ecology and the environment · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesCanadian Water NetworkAlberta Water Research Institute
Mots-clésOpposition (politics)RevenueBusinessTax revenueOrder (exchange)Public economicsNatural resource economicsEnvironmental planningEconomicsPolitical scienceGeographyFinancePolitics

Résumé

récupéré en direct d'OpenAlex

In many semiarid regions, total water allocations exceed levels available for extraction.Despite growing demand for water from urban and environmental uses, the majority of these allocations are held by agricultural users.In order to meet new demand in the face of uncertain future supply, water must be reallocated from irrigation to urban and environmental uses; however, such reallocation faces stiff opposition from irrigators and non-irrigators alike.Although irrigators have disproportionate power over the reallocation process, the preferences of non-irrigators with greater electoral power and contributions to tax revenue are also important to policy makers.This study explores these issues based on extensive surveys of non-irrigators in Alberta, Canada.Values, beliefs, and attitudes are found to influence policy preferences differently.Policy makers and water managers should consider these psychological constructs when designing, marketing and implementing policies and mechanisms to reallocate water in accordance with the values of wider society.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,061
Score d'incertitude au seuil0,446

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,002
Communication savante0,0030,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,227
Écart entre enseignants0,197 · 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

Citations7
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWIT transactions on ecology and the environmentMême sujetEnvironmental Education and SustainabilityTravaux en français237 207