MétaCan
Menu
Retour à la cohorte
Enregistrement W2899703540 · doi:10.2175/106143016x14798353399494

Selecting Sustainability Indicators for Small to Medium Sized Urban Water Systems Using Fuzzy‐ELECTRE

2017· article· en· W2899703540 sur OpenAlexafffund
Gyan Chhipi‐Shrestha, Kasun Hewage, Rehan Sadiq

Notice bibliographique

RevueWater Environment Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésELECTRESustainabilityFlexibility (engineering)Environmental economicsFuzzy logicFuzzy setComputer scienceBusinessEnvironmental resource managementOperations researchEnvironmental scienceEngineeringEconomicsMathematicsMultiple-criteria decision analysisStatistics

Résumé

récupéré en direct d'OpenAlex

Urban water systems (UWSs) are challenged by the sustainability perspective. Certain limitations of the sustainability of centralized UWSs and decentralized household level wastewater treatments can be overcome by managing UWSs at an intermediate scale, referred to as small to medium sized UWSs (SMUWSs). SMUWSs are different from large UWSs, mainly in terms of smaller infrastructure, data limitation, smaller service area, and institutional limitations. Moreover, sustainability assessment systems to evaluate the sustainability of an entire UWS are very limited and confined only to large UWSs. This research addressed the gap and has developed a set of 38 applied sustainability performance indicators (SPIs) by using fuzzy-Elimination and Choice Translating Reality (ELECTRE) I outranking method to assess the sustainability of SMUWSs. The developed set of SPIs can be applied to existing and new SMUWSs and also provides a flexibility to include additional SPIs in the future based on the same selection criteria.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,038
Tête enseignante GPT0,282
Écart entre enseignants0,244 · 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'étudeSimulation ou modélisation
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

Citations32
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetWater resources management and optimizationTravaux en français237 207