Success of science-based best management practices in reducing swimming bans—a case study from Racine, Wisconsin, USA
Notice bibliographique
Résumé
The Great Lakes region possesses over 10,000 miles of shoreline (US EPA and Government of Canada, 1995) which are home to over 1,000 beaches. These beaches represent a recreational outlet for over 30 million people (US EPA and Government of Canada, 1995) and yet many of them remain inaccessible for periods of time each bathing season due to water quality advisories. The reason for these advisories is often elusive to beach managers, hence impeding their ability to craft appropriate mitigation measures. Even when the sources of contamination are known, remediation measures may not be put into practice due to the perception that they are too costly. However, a recent study has demonstrated that investing in environmental improvements which increase the number of days available for swimming in the Great Lakes region by 20% would generate $2–$3 billion dollars in direct economic effects. Therefore, while beach closings and advisories continue to rise overall, some Great Lakes communities have recognized the potential for municipal beaches to generate revenue and increase the quality of life for their citizens and have undertaken comprehensive studies to improve recreational water quality. In Racine, Wisconsin, USA, research conducted to identify pollution sources guided the development of better beach management practices such as ecologically appropriate beach modifications, improved mechanical beach grooming strategies, and the redesign of a major storm water outlet (including installation of a constructed wetland area). Resulting improvements have reduced bathing water quality advisories from 66% of days during the swimming season in 2000 to 5% or less in four consecutive years (2005–2008). These improvements to Racine beaches facilitated Blue Wave certification from the Clean Beaches Council (Washington, DC); thereby restoring public confidence, increasing beach use by the residents and tourists, and expanding the role of the beachfront in the local economy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».