Western Households’ Water Knowledge, Preferences, and Willingness to Pay
Notice bibliographique
Résumé
Water conflicts are intensifying as the population grows in the American West. Stakeholders seek a better understanding of households’ water knowledge, preferences, and willingness to pay (WTP) as they contemplate various water allocation initiatives. An Internet survey provides insight into western households’ perceptions and preferences regarding water use and management, their familiarity with water terminology, and their WTP a fee in support of eight potential water initiatives regarding water acquisition, conservation, and reallocation. Further analysis identifies factors that influence the decision. Just over half of all respondents express a WTP the fee, with an estimated median WTP among survey respondents of $15.65 per summer month. Respondents with higher self‐reported water knowledge are more likely to support the fee. The probability of supporting the fee is also influenced by respondents’ demographic characteristics and attitudes toward water scarcity and management. Les conflits liés à l’eau s’intensifient à mesure que la population s’accroît dans l’Ouest américain. Les parties prenantes cherchent à découvrir les connaissances sur l’eau, les préférences et le consentement à payer des ménages étant donné qu’elles envisagent divers schémas d’allocation de l’eau. Un sondage en ligne a donné un aperçu des perceptions et des préférences des ménages de l’Ouest américain concernant l’utilisation et la gestion de l’eau, de leur degré de connaissance de la terminologie de l’eau et de leur consentement à payer une taxe pour appuyer huit projets éventuels d’acquisition, de conservation et de réallocation de l’eau. Une analyse plus détaillée a déterminé les facteurs qui influençaient les décisions. Un peu plus de la moitié des répondants ont indiquéêtre prêts à payer une taxe. Chez les répondants, le consentement à payer médian s’élevait à 15,65 $ par mois durant la saison estivale. Les répondants qui ont indiqué avoir de bonnes connaissances sur l’eau sont plus susceptibles d’appuyer l’imposition d’une taxe. Les caractéristiques démographiques et les attitudes des répondants envers la rareté et la gestion de l’eau influencent la probabilité d’appuyer l’imposition d’une taxe.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».