MétaCan
Menu
Retour à la cohorte
Enregistrement W2521254875 · doi:10.1016/j.apgeog.2016.09.013

Water security and rainwater harvesting: A conceptual framework and candidate indicators

2016· article· en· W2521254875 sur OpenAlexaff
Patrick Bitterman, Eric Tate, K. J. Van Meter, N. B. Basu

Notice bibliographique

RevueApplied Geography · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Science Foundation
Mots-clésRainwater harvestingLivelihoodContext (archaeology)Water securityWater resource managementEnvironmental resource managementEnvironmental planningBusinessEnvironmental scienceEngineeringGeographyAgricultureWater resourcesEcology

Résumé

récupéré en direct d'OpenAlex

Rainwater-harvesting tanks (reservoirs) in Tamil Nadu, India support agricultural livelihoods, mitigate water insecurity, and enable ecosystem services. However, many tanks have fallen into disrepair, as private wells have supplanted collectively managed tanks as the dominant irrigation source. Meanwhile, encroachment by peri-urban development, landless farmers, and Prosopis juliflora has reduced inflow and tank capacity. This exploratory study presents a conceptual framework and proposed indicator set for measuring water security in the context of rainwater harvesting tanks. The primary benefits of tanks and threats to their functionality are profiled as a precursor to construction of a causal network of water security. The causal network identifies the key components, causal linkages, and outcomes of water security processes, and is used to derive a suite of indicators that reflect the multiple economic and socio-ecological uses of tanks. Recommendations are provided for future research and data collection to operationalize the indicators to support planning and assessing the effectiveness of tank rehabilitation.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,007
Études des sciences et des technologies0,0020,009
Communication savante0,0060,008
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
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 Opus0,003
Tête enseignante GPT0,164
Écart entre enseignants0,161 · 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'étudeThéorique ou conceptuel
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

Citations64
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied GeographyMême sujetWater resources management and optimizationTravaux en français237 207