MétaCan
Menu
Retour à la cohorte
Enregistrement W2242598521

The influence of water quality on the demand for residential development around Lake Erie

2007· article· en· W2242598521 sur OpenAlexaboutno aff
Shihomi Ara

Notice bibliographique

RevueOhioLink ETD Center (Ohio Library and Information Network) · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater qualityEnvironmental scienceWater developmentQuality (philosophy)Water resource managementWater resourcesEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In early 1970s, it was said that Lake Erie was dead.In 1950s and 1970s, the water of the Lake was pea-green colored due to excessive phosphorous from sewage and runoffs from farmlands and homeowners.There were many closed beaches and fish from the Lake was not edible.However, water quality has improved dramatically since the Clean Water Act of 1972.The pace of residential and commercial development around the shoreline of Lake Erie increased considerably following substantial improvements in the Lake's water quality and clarity.A double-edged sword exists since increases in water quality are followed by increases in residential and lake-related development, which in turn can degrade the lake and the amenities it provides.In fact, although the phosphorous level declined in 1980s, we are observing an increasing trend starting from 1990s and the trend continues until today.As for water clarity, although its level hit the peak in 1995, we observe the decreasing trend afterwards.In this study, we focus on the effects of water quality on housing values to evaluate water quality-housing value as the relationship on the one side of the double-edged sword.Both the first and the second stage of hedonic price analysis are conducted with identified housing submarkets by using Hierarchical Clustering with quantized similarity measures in the region including Erie, Lorain, Ottawa and Sandusky Counties located

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,271

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,002
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 Opus0,009
Tête enseignante GPT0,195
Écart entre enseignants0,187 · 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'étudeSans objet
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

Citations9
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOhioLink ETD Center (Ohio Library and Information Network)Même sujetWater resources management and optimizationTravaux en français237 207