MétaCan
Menu
Retour à la cohorte
Enregistrement W2612881577

Utilisation des eaux usees, des boues et des excretas dans les pays en developpement: un apercu. In FrenchWastewater, sludge and excreta use in developing countries: an overview

2011· other· fr· W2612881577 sur OpenAlexaboutno aff
Pay Drechsel, D. Kone, Liqa Raschid-Sally, Manzoor Qadir

Notice bibliographique

RevueCGSPace A Repository of Agricultural Research Outputs (Consultative Group for International Agricultural Research) · 2011
Typeother
Languefr
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceForestryIrrigationEnvironmental protectionEnvironmental scienceWater resource managementGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

After introducing terms and terminology of wastewater, sludge and excreta use, the chapter highlights their global drivers and significance using examples from different parts of the developing world. It is useful in the discussion to differentiate between unplanned use of wastewater resulting from poor sanitation, and planned use which tries to address matters such as economic or physical water scarcity. Both types of wastewater use can have significant socio-economic benefits but also institutional challenges and risks which require different management approaches and, ideally, different guidelines. This diversity makes the current WHO Guidelines, which try to be global in nature, complex to understand and apply. Whilst planned reuse will remain the norm in countries that can afford treatment, most countries in the developing world are likely to continue to use non- or only partially treated wastewater, for as long as sanitation and waste disposal are unable to keep pace with urban population growth. However, there are options to link urban faecal sludge and wastewater management with urban food demands or other forms of resource ecovery that provide opportunities to safely close the nutrient and water loops.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,407
Score d'incertitude au seuil0,810

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
Bibliométrie0,0030,007
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,142
Tête enseignante GPT0,370
Écart entre enseignants0,228 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCGSPace A Repository of Agricultural Research Outputs (Consultative Group for International Agricultural Research)Même sujetWater Governance and InfrastructureTravaux en français237 207