An evaluation of the Confidence Removal Goal approach for making remediation decisions at Superfund sites
Notice bibliographique
Résumé
Abstract The Confidence Removal Goal approach was developed by the Gradient Corporation for the cleanup decisions at the METCOA Superfund Site. The CRG approach is a statistical approach to meet site cleanup goals based on the arithmetic mean of the contaminant concentration distribution. The CRG approach involves computing a threshold value c* (called the CRG value) from observed sample values in cases where the data distribution is log‐normal and the UCL of the population mean calculated for the sample exceeds the Cleanup Goal (CUG). The cleanup would then consist of removing all soils from the site with observed concentrations higher than the CRG value c*. At the METCOA site, the cadmium (Cd) and nickel (Ni) concentrations passed the test of log‐normality, and the UCL of the means exceeded their respective CUG values. The CRG values were then computed for observed Cd and Ni concentrations. In both cases, the CRG values turned out to be much higher than the respective observed maximum concentration. Based on these CRG values, it would appear that no cleanup would be needed at the METCOA site. A Monte Carlo simulation experiment was conducted by two of the authors of this article to investigate the performance of the CRG approach. The simulation experiments showed that the CRG approach had a rather high percentage of false negatives, i.e. it recommended no cleanup a large number of times when the simulation was performed for contaminated site conditions. The present article investigates the performance of the CRG approach for normal, uniform and exponential distributions, in addition to the log‐normal distribution. The CRG approach gives reasonable results for all models considered in this article, except for the log‐normal model, suggesting the inadequacy of the log‐normal distribution for modeling skewed environmental data. Copyright © 2002 John Wiley & Sons, Ltd.
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 | 0,023 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».