MétaCan
Menu
Retour à la cohorte
Enregistrement W2084825032 · doi:10.4296/cwrj195

Water Reuse and Recycling in Canada: A Status and Needs Assessment

2004· article· en· W2084825032 sur OpenAlexvenueaboutno aff
Karl A. Schaefer, Kirsten Exall, J. Maršálek

Notice bibliographique

RevueCanadian Water Resources Journal / Revue canadienne des ressources hydriques · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReuseGreywaterLandscapingEnvironmental planningBusinessFlexibility (engineering)Water conservationIrrigationWastewater reuseToiletWater supplyWater resourcesWater resource managementEnvironmental scienceEnvironmental economicsNatural resource economicsWaste managementEnvironmental engineeringEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

The Canadian experience with water reuse and recycling is reviewed under five theme areas: technology; policy and regulation; research; public acceptance; and coordination. At present, water reuse and recycling in Canada is practiced on a relatively small scale and varies regionally depending on the availability of water supplies and regulatory flexibility. Typical examples include using treated municipal wastewater to irrigate agricultural nonfood crops, urban parkland, landscaping and golf courses. Water recycling also exists in select industrial sectors and experimental greywater treatment and reuse for toilet flushing, irrigation or other nonpotable uses at the scale of individual buildings. Recommendations for further action are presented from a recent national experts workshop on water reuse. The interest in reuse will likely increase, driven to a large extent by steadily increasing water demands, conflict among users and opportunities to save on future expansion of water supply infrastructure.

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)0,003
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,817

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,013
Études des sciences et des technologies0,0070,002
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,184
Écart entre enseignants0,176 · 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'étudeSans objet
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

Citations43
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Water Resources Journal / Revue canadienne des ressources hydriquesMême sujetWastewater Treatment and ReuseTravaux en français237 207