MétaCan
Menu
Retour à la cohorte
Enregistrement W2097558660 · doi:10.5539/gjhs.v4n3p126

Bacteriological Monitoring and Sustainable Management of Beach Water Quality in Malaysia: Problems and Prospects

2012· article· en· W2097558660 sur OpenAlexvenueno aff
Ayokunle Christopher Dada, Ahmad Asmat, Gires Usup, Lee Yook Heng, Bandele Oluwaseun Deborah

Notice bibliographique

RevueGlobal Journal of Health Science · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFecal contamination and water quality
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Kebangsaan Malaysia
Mots-clésTourismIncentiveWater qualityRecreationQuality (philosophy)Environmental planningBusinessDestinationsEnvironmental resource managementSustainable managementSustainable tourismSustainabilityGeographyEnvironmental scienceEconomicsPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Despite the growing demand of tourism in Malaysia, there are no resolute efforts to develop beaches as tourist destinations. With no incentives to monitor public beaches or to use them in a sustainable manner, they might eventually degenerate in quality as a result of influx of pollutants. This calls for concerted action plans with a view to promoting their sustainable use. The success of such plans is inevitably anchored on the availability of robust quality monitoring schemes. Although significant efforts have been channelled to collation and public disclosure of bacteriological quality data of rivers, beach water monitoring appears left out. This partly explains the dearth of published information related to beach water quality data. As part of an on-going nation-wide surveillance study on the bacteriological quality of recreational beaches, this paper draws on a situation analysis with a view to proffering recommendations that could be adapted for ensuring better beach water quality in Malaysia.

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)0,005
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,034
Tête enseignante GPT0,324
Écart entre enseignants0,290 · 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'étudeObservationnel
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

Citations18
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetFecal contamination and water qualityTravaux en français237 207