MétaCan
Menu
Retour à la cohorte
Enregistrement W2536899142 · doi:10.1515/cass-2015-0024

Determining Canadian water utility preparedness for the impacts of climate change

2015· article· en· W2536899142 sur OpenAlexaffabout
Brettle Meagan, Berry Peter, Paterson Jaclyn, Yasvinski Gordon

Notice bibliographique

RevueChange and Adaptation in Socio-Ecological Systems · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Environmental Impact
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésPreparednessClimate changeVulnerability (computing)Environmental planningBusinessEnvironmental resource managementWater resourcesWater utilityEnvironmental scienceNatural resource economicsWater supplyEnvironmental engineeringPolitical scienceEconomicsComputer scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Abstract General warming and extreme weather events associated with climate change are expected to negatively impact water utilities. Water utilities will need to adapt to continue providing safe drinking water and wastewater services. In 2012, the Canadian Water and Wastewater Association (CWWA) conducted a survey of 53 water utility officials to understand the expert perceptions of climate change risks and preparedness of Canadian utilities for current and future impacts. Results indicated that there is low awareness among water utility officials (30%) of thepossible impacts of climate change on water utilities, and more than half have not conducted climate change vulnerability assessments (65%) and do not have operational plans to address climate change impacts (56%). Officials from smaller utilities, which are considered to be more vulnerable to impacts, were of those less aware of these risks and reported taking fewer preparedness activities. Efforts to prepare water utilities for climate change impacts in Canada would benefit from education of utility officials about possible climate change risks, encouraging assessments of vulnerabilities, and increased training with new adaptation tools and resources.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,255

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,247
Tête enseignante GPT0,309
Écart entre enseignants0,062 · 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'étudeObservationnel
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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChange and Adaptation in Socio-Ecological SystemsMême sujetClimate Change and Environmental ImpactTravaux en français237 207