MétaCan
Menu
Retour à la cohorte
Enregistrement W2090531202 · doi:10.1139/s07-034

Strategic pathways for the sustainable management of water treatment plant residuals

2008· article· en· W2090531202 sur OpenAlexafffundvenue
Margaret E. Walsh, Craig B. Lake, Graham A. Gagnon

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésResidualWater qualityStewardship (theology)BusinessEnvironmental resource managementEnvironmental planningSustainabilityGovernment (linguistics)Environmental scienceEnvironmental economicsComputer scienceEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

In North America, the rapid movement away from the direct discharge of water treatment plant (WTP) residual streams to receiving environments has resulted in considerable benefits to the drinking water industry in terms of enhancing environmental stewardship practices and supporting source water protection strategies. Over the past 20 years, application based research on appropriate technologies to treat residual streams such as filter backwash water (FBWW) has promoted the development of integrated process design that presents recycling as a viable residual management option. However, as utilities continue to develop and expand their main process lines to comply with more stringent government regulations encompassing both water quality and residual disposal practices, the development of sustainable residual management practices is expected to become a more prominent issue for this industry. The purpose of this paper is to present, from a critical point of view, the matrix of issues that currently exist regarding WTP residual streams and strategic pathways that would enhance future decision making processes for achieving long-term residual management solutions for the drinking water industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,193

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,179
Écart entre enseignants0,166 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations21
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWater Treatment and DisinfectionTravaux en français237 207