MétaCan
Menu
Retour à la cohorte
Enregistrement W2617201403 · doi:10.18052/www.scipress.com/ilns.63.34

Water Quality Assessment of the South-Eastern Part of Lake Lanao, Philippines

2017· article· en· W2617201403 sur OpenAlexaboutno aff
Norzeda B. Angagao, Maria Alma D. Quiao, Elnor C. Roa, Grace I. Prado

Notice bibliographique

RevueInternational Letters of Natural Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater qualityEnvironmental scienceSampling (signal processing)Hydrology (agriculture)Quarter (Canadian coin)GeographyWater resource managementEcologyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

This paper aimed at underlying some physico-chemical characteristics of the water of Lake Lanao at Poona-bayabao, Lanao Del Sur during the first quarter of 2015, by evaluating a total of eight (8) water quality parameters. Physical parameters were temperature, depth, transparency, and total suspended solids. On the other hand, the chemical parameters were pH, dissolved oxygen, phosphate and nitrate. Three sampling stations were considered in the study. Community’s knowledge, perceptions, and attitudes towards the utilization and condition of the lake were also evaluated through interview. Results showed that all assessed physico-chemical parameters still conformed to the Philippines standards set by Department of Environment and Natural Resources (DENR) for fresh surface water as Class A as for the year 2015. One-way Anova showed no significant difference in the overall average of the physico-chemical characteristics in the three sampling stations of Lake Lanao (p > 0.05). With the results obtained, the Lake can still be a source of water supply that require complete treatment in order to meet National Standards for Drinking Water (NSDW) of the Philippines, within the year of the conduct of the study. For the assessment of community’s knowledge, perceptions, and attitudes, Kruskal-Wallis test showed that the knowledge, perceptions, and attitudes are not significantly different in terms of stations. A more comprehensive and wider range monitoring is recommended for future study about the lake.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,074
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,348
Écart entre enseignants0,294 · 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 tête enseignante, 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Letters of Natural SciencesMême sujetWater Quality and Pollution AssessmentTravaux en français237 207