MétaCan
Menu
Retour à la cohorte
Enregistrement W2896072728 · doi:10.3390/w10101472

Gender and Community Mainstreaming in Fog Water Collection Systems

2018· article· en· W2896072728 sur OpenAlexafffund
Kayla J. Lucier, Manzoor Qadir

Notice bibliographique

RevueWater · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUnited Nations University Institute for Water, Environment, and HealthMcMaster UniversityImpact
Organismes subventionnairesGlobal Affairs CanadaGovernment of Canada
Mots-clésSanitationWater scarcityGender mainstreamingScarcityWater resourcesEnvironmental planningData collectionSustainable developmentMainstreamingWater resource managementBusinessIntegrated water resources managementEnvironmental resource managementEconomic growthGeographyNatural resource economicsEnvironmental sciencePsychologyPolitical scienceSociologyEconomicsEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Fog water collection is an emerging opportunity to combat local water shortages in water-scarce areas where sustainable access to water is unreliable, but fog events are frequent. Since fog water systems are implemented within or near communities, they eliminate or decrease the need to travel far distances for the collection of water during times of scarcity. As a result, these systems decrease the physical and social burden of water collection on women and girls, who are the primary water gatherers in most traditional communities. This is an important outcome because women and girls are disproportionately affected by water scarcity and are not seen as equals in water management, access, or control. This paper illustrates how several fog water collection projects have shown, empirically, that the positive outcomes for women and girls may include the freeing of time for domestic and educational pursuits, improved health outcomes, and improved perceptions of self and others’ perceptions of women. These findings are important at a time when the world at large is addressing the Sustainable Development Agenda, where Sustainable Development Goal (SDG) 6 necessitates safe water and sanitation for all and SDG 5 ensures gender equality to empower all women and girls.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,009
Communication savante0,0050,003
Science ouverte0,0010,008
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,030
Tête enseignante GPT0,264
Écart entre enseignants0,234 · 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'étudeQualitatif
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

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetChild Nutrition and Water AccessTravaux en français237 207