MétaCan
Menu
Retour à la cohorte
Enregistrement W2557253486 · doi:10.5539/jms.v6n4p73

Revival of Hauz Khas Lake in Delhi: Approaches to Urban Water Resource Management in India

2016· article· en· W2557253486 sur OpenAlexvenueno aff
Deya Roy

Notice bibliographique

RevueJournal of Management and Sustainability · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater scarcityWater tableSustainabilityGovernment (linguistics)GeographyWater resourcesEnvironmental planningWater resource managementGroundwaterEngineeringEnvironmental scienceAgricultureArchaeologyEcology

Résumé

récupéré en direct d'OpenAlex

The decline of urban water bodies in India needs to be arrested for sustainable water management in rapidly expanding Indian cities. Reuse of water after partial recycling can reduce environmental stress. Delhi, the Indian capital, has a number of surviving water storage structures built by successive rulers over centuries to tackle water shortage in the summer. In modern Delhi, a fourteen million plus city, water is supplied through technological networks, hastening the decline of the old water storage structures. The old lakes are choked with filth and the step-wells are heaps of rubble. The Indian National Trust for Art and Cultural Heritage (INTACH) and the Delhi Development Authority (DDA) have undertaken a project to revive a 700 year-old water body, lying dry for decades, the Hauz Khas Lake, with treated sewage water. The idea was to raise the groundwater table and restore the natural environment of the lake, a past habitat for water birds. This paper attempts to evaluate the immediate impact and the long-term sustainability of the effort through discussions with technical personnel, field observations and interviews with local residents. Manuals and progress reports of the concerned organizations are used as secondary sources. The paper also examines the views of government officials and NGOs regarding the role of other similar projects in alleviating Delhi’s water shortage.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,005
Communication savante0,0060,001
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
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 Opus0,015
Tête enseignante GPT0,189
Écart entre enseignants0,173 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetWater resources management and optimizationTravaux en français237 207