MétaCan
Menu
Retour à la cohorte
Enregistrement W2621038329 · doi:10.1002/ird.2225

Key and Smart Actions to Alleviate Hunger and Poverty Through Irrigation and Drainage

2018· article· en· W2621038329 sur OpenAlexaff
Olcay Ünver, R. Wahaj, Elisa Lorenzon, Kourosh Mohammadi, Jerome R. Osias, Felix Reinders, S P Wani, Jyotsana Chuchra, Peter Lee, I. M. Sangjun

Notice bibliographique

RevueIrrigation and Drainage · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPovertySustainable developmentDrainageIrrigationBusinessNatural resource economicsScarcityProductivityCorporate governanceEconomicsEnvironmental planningEconomic growthPolitical scienceGeographyEcologyFinance

Résumé

récupéré en direct d'OpenAlex

Abstract In the pursuit of information to support policies and actions to alleviate hunger and poverty through irrigation and drainage, this paper attempts to provide correlations between water scarcity, communities and poverty. Many reviews have found strong direct and indirect relationships between irrigation and poverty. One of the main goals of the international community is to eliminate hunger and poverty and in this perspective, through the Millennium Development Goals, much progress has been achieved and evidence obtained. Sustainable Development Goals and various other United Nations initiatives intend to move forward this agenda by making it a part of broader development frameworks. In this paper, the important elements of irrigation and drainage that affect the alleviation of hunger and poverty are discussed. These elements are grouped into governance, rights‐based developments, water rights and pricing, management, efficiency improvement, and the role of technology. Both the potential and the need for innovative technology and solutions in irrigation are underlined, which can be used to cater for the challenges in different subsectors. The main focus of these solutions is on maximizing productivity and efficiency, reducing water losses, achieving sustainable intensification and managing demands on water resources and the associated trade‐offs. Copyright © 2018 John Wiley & Sons, Ltd.

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)0,002
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,016
Tête enseignante GPT0,227
Écart entre enseignants0,211 · 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
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIrrigation and DrainageMême sujetWater resources management and optimizationTravaux en français237 207