MétaCan
Menu
Retour à la cohorte
Enregistrement W2055067827 · doi:10.1080/07011784.2014.965036

Willingness to pay for BMP-induced water quality benefits and deviations around expected water quality outcomes

2014· article· en· W2055067827 sur OpenAlexaffvenueabout
Bruno Larue, Gale E. West, Lota D. Tamini, Alphonse Singbo, Jornette Dangbedji

Notice bibliographique

RevueCanadian Water Resources Journal / Revue canadienne des ressources hydriques · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversité LavalAgriculture and Agri-Food Canada
Organismes subventionnairesNational Institutes of Health
Mots-clésWillingness to payQuality (philosophy)Water qualityBusinessEnvironmental economicsEnvironmental scienceNatural resource economicsEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the economic valuation of the benefits accruing to farmers derived from expected water quality improvements stemming from the adoption of best management practices (BMPs). The study applies the stated-choice experiments administered on a sample of farmers located in the Chaudière and Etchemin watersheds just south of Quebec City to characterize the preferences of farmers in terms of the mean and standard deviation of phosphorus and coliform reductions, and the costs borne by local farmers and by taxpayers in the province of Quebec to support the adoption of BMPs. The results show significant observed and unobserved heterogeneity regarding farmers’ marginal utility of phosphorus and coliform reductions. The distribution of risk attitudes encompasses all three types: risk aversion, risk neutrality and risk loving. Benefit valuation decreases with age, but the age effect is smaller than the heterogeneity across farmers of a given age. Farmers experience disutility when their own cost or taxpayers’ cost increases, but a private dollar is worth substantially more to farmers than a public one.

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)0,009
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 enseignants0,995
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,112
Tête enseignante GPT0,246
Écart entre enseignants0,134 · 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

Citations6
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Water Resources Journal / Revue canadienne des ressources hydriquesMême sujetEconomic and Environmental ValuationTravaux en français237 207