MétaCan
Menu
Retour à la cohorte
Enregistrement W2312806150 · doi:10.1061/41036(342)100

Data Reporting Guidelines for Certification of Manufactured Stormwater BMPs: Part II

2009· article· en· W2312806150 sur OpenAlexaff
Robert M. Roseen, Ernie Carrasco, Yuan Cheng, Bill Hunt, Charlene Johnston, Jim Mailloux, Walt Stein, Tim Williams

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2009 · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensContech (Canada)
Organismes subventionnairesnon disponible
Mots-clésCertificationProtocol (science)StormwaterConsistency (knowledge bases)Computer scienceBest practiceAgency (philosophy)ImpartialityMedicine

Résumé

récupéré en direct d'OpenAlex

Data Reporting guidelines presented here were developed as part of the ASCE/EWRI Task Committee on Guidelines for Certification of Manufactured Stormwater BMPs. This work is the collaboration of the Stormwater Infrastructure Committee of EWRI's Water, Wastewater, and Stormwater Council (WWSC) and the Wet Weather Flow Technology Committee of the Urban Water Resources Research Council (UWRRC). These guidelines were developed by review of the major manufactured treatment device certification protocol requirements drawing primarily from the Technology Assessment Protocol-Ecology (TAPE) and the Technology Assessment Reciprocity Partnership (TARP). These reporting guidelines have been broadened to support the International Stormwater Best Management Practices (BMP) Database. With the increasing need for the field testing of proprietary devices comes the importance of consistent data reporting guidelines to be used when reporting to regulatory agencies or designers. The need for standardized reporting is underscored by the tremendous impact the range of testing factors can have upon testing results. These factors include the testing environment, experimental design, testing methodologies, statistical analysis, and data presentation. The need for consistency is underscored by the complex influence these factors have upon performance results. A clear and consistent data reporting approach can ensure that these biases are minimized, well understood, and that representative field testing can be effectively evaluated by the regulatory agency. A consistent reporting format is also needed to aid vendors to efficiently navigate the complicated application process for device certification. Finally, an independent third-party is needed to either conduct or review the testing to ensure testing impartiality. The committee membership includes stakeholders from the regulatory, academic, manufacturing, and design communities.

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)0,196
score de la tête « metaresearch » (Gemma)0,288
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil0,991

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1960,288
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0140,011
Études des sciences et des technologies0,0040,004
Communication savante0,0120,008
Science ouverte0,0100,006
Intégrité de la recherche0,0100,011
Charge utile insuffisante (le modèle a refusé de juger)0,0200,032

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 Opus0,085
Tête enseignante GPT0,285
Écart entre enseignants0,200 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2009Même sujetUrban Stormwater Management SolutionsTravaux en français237 207