MétaCan
Menu
Retour à la cohorte
Enregistrement W2115755448 · doi:10.1029/2001wr000943

Optimal water management and conflict resolution: The Middle East Water Project

2002· article· en· W2115755448 sur OpenAlexaff
Franklin M. Fisher, Shaul Arlosoroff, Zvi Eckstein, Munther J. Haddadin, Salem G. Hamati, Annette Huber‐Lee, Ammar Jarrar, Anan Jayyousi, Uri Shamir, Hans Wesseling

Notice bibliographique

RevueWater Resources Research · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensMinistry of Transportation of Ontario
Organismes subventionnairesnon disponible
Mots-clésMiddle EastWater scarcityValue (mathematics)DesalinationWater resourcesScarcityEnvironmental economicsVirtual waterComputer scienceWater supplyWater resource managementOperations researchBusinessEconomicsEnvironmental scienceMicroeconomicsEngineeringEnvironmental engineeringGeography

Résumé

récupéré en direct d'OpenAlex

In many situations, actual water markets will not allocate water resources optimally, largely because of the perceived social value of water. It is possible, however, to build optimizing models which, taking account of demand as well as supply considerations, can substitute for actual markets. Such models can assist the formation of water policies, taking into account user‐supplied values and constraints. They provide powerful tools for the system‐wide cost‐benefit analysis of infrastructure; this is illustrated by an analysis of the need for desalination in Israel and the cost and benefits of adding a conveyance line. Further, the use of such models can facilitate cooperation in water, yielding gains that can be considerably greater than the value of the disputed water itself. This can turn what appear to be zero‐sum games into win‐win situations. The Middle East Water Project has built such a model for the Israeli‐Jordanian‐Palestinian region. We find that the value of the water in dispute in the region is very small and the possible gains from cooperation are relatively large. Analysis of the scarcity value of water is a crucial feature.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,100
Tête enseignante GPT0,259
Écart entre enseignants0,159 · 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

Citations87
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetWater resources management and optimizationTravaux en français237 207