MétaCan
Menu
Retour à la cohorte
Enregistrement W2154919977 · doi:10.14430/arctic114

Drinking Water in Northwestern Alaska: Using or Not Using Centralized Water Systems in Two Rural Communities

2009· article· en· W2154919977 sur OpenAlexvenueno aff
Elizabeth Mariño, D. White, Peter Schweitzer, Molly Chambers, Josh Wisniewski

Notice bibliographique

RevueARCTIC · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésAgency (philosophy)Water qualityModernization theoryEnvironmental planningPeninsulaWater resourcesEnvironmental protectionGeographyEnvironmental resource managementEnvironmental scienceBusinessWater resource managementEconomic growthEcologySociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Over the last 100 years, there have been major changes in the way Iñupiaq villages in Alaska have procured fresh water for drinking and other human uses. Since the 1960s, major funding has been provided by local, state, and federal agencies to install centralized water systems in these villages. These systems have arrived with great expectations, and yet many of them have a myriad of problems due to harsh weather conditions, low winter temperatures, and permafrost. Other obstacles to success of the water systems arise from local preference for traditional water resources. On the Seward Peninsula, some villages rely heavily on centralized water systems, while others continue to rely more heavily on traditional water sources. We demonstrate in this paper that local variables, including different environmental factors and a sense of agency in the modernization process, affect local choices about whether or not to use the centralized water systems. We conclude that local, culturally specific ideas about health and acceptable drinking water quality must be taken into account for these projects to be successful.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil0,353

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,093
Tête enseignante GPT0,391
Écart entre enseignants0,298 · 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

Citations55
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueARCTICMême sujetIndigenous Studies and EcologyTravaux en français237 207