MétaCan
Menu
Retour à la cohorte
Enregistrement W2147182341 · doi:10.1007/s11269-012-0117-y

Developing Novel Approaches to Tracking Domestic Water Demand Under Uncertainty—A Reflection on the “Up Scaling” of Social Science Approaches in the United Kingdom

2012· article· en· W2147182341 sur OpenAlexfundno aff
Alison Browne, Will Medd, Ben Anderson

Notice bibliographique

RevueWater Resources Management · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilEngineering and Physical Sciences Research CouncilNatural Environment Research CouncilUniversity of SouthamptonCanadian Centre for Applied Research in Cancer Control
Mots-clésDemand managementFutures contractClimate changeProxy (statistics)Supply and demandDemand patternsDemand forecastingWater resourcesEnvironmental economicsPopulationEconomicsNatural resource economicsEnvironmental resource managementComputer scienceMicroeconomicsEcologySociologyOperations management

Résumé

récupéré en direct d'OpenAlex

Climate change, socio-demographic change and changing patterns of ordinary consumption are creating new and unpredictable pressures on urban water resources in the UK. While demand management is currently offered as a first option for managing supply/demand deficit, the uncertainties around demand and its’ potential trajectories are problematic for water resources research, planning and policy. In this article we review the ways in which particular branches of social science come together to offer a model of ‘distributed demand’ that helps explain these current and future uncertainties. We also identify potential strategies for tracking where the drivers of change for demand may lie. Rather than suggest an alternative ‘demand forecasting’ technique, we propose methodological approaches that ‘stretch out’ and ‘scale up’ proxy measures of demand to inform water resources planning and policy. These proxy measurements could act as ‘indictors of change’ to water demand at a population level that could then be used to inform research and policy strategies. We conclude by arguing for the need to recognise the co-production of demand futures and supply trajectories.

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)0,019
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,008
Communication savante0,0100,011
Science ouverte0,0030,006
Intégrité de la recherche0,0030,004
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 Opus0,200
Tête enseignante GPT0,275
Écart entre enseignants0,075 · 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'étudeQualitatif
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

Citations98
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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