MétaCan
Menu
Retour à la cohorte
Enregistrement W2792793982 · doi:10.4000/vertigo.18723

Les micropolluants d’origine domestique dans l’eau : enquête sur la représentation d’une nouvelle menace

2017· article· fr· W2792793982 sur OpenAlexvenueno aff
Carine Heitz, Marjorie Pierrette, R. Barbier

Notice bibliographique

RevueVertigO · 2017
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

La présence de micropolluants dus au déversement de certains produits dans les réseaux d’assainissement est une préoccupation croissante pour les pouvoirs publics. Les stations de traitement des eaux usées (STEU) ont de plus en plus de difficultés à les traiter ce qui peut entraîner des dommages sur les écosystèmes et la santé humaine. Il semblerait qu’une partie non négligeable de ces rejets problématiques proviennent directement des pratiques domestiques. Dans ce contexte, il apparaît nécessaire de réduire et/ou d’améliorer l’ensemble des rejets issus des habitations. Cependant, avant de soumettre des actions auprès des individus dans l’optique de faire changer leurs habitudes, il est impératif de connaître la façon dont ils se représentent la menace environnementale qu’est la présence de micropolluants dans les eaux. Pour cela 605 habitants de Strasbourg (Est de la France) ont été enquêtés. Les résultats de cette étude soulignent l’importance de la prise de conscience du rôle des activités domestiques dans la présence de micropolluants dans l’eau. Néanmoins, la population interrogée reste majoritairement persuadée que l’industrie est le principal responsable et il semble difficile de s’imaginer que des produits d’utilisation courante, notamment ceux liés à l’hygiène corporelle, puissent avoir une quelconque incidence sur la qualité des cours d’eau.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 GPT0,269
Écart entre enseignants0,254 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetWastewater Treatment and ReuseTravaux en français237 207