MétaCan
Menu
Retour à la cohorte
Enregistrement W2995821191 · doi:10.1093/acrefore/9780199389414.013.610

Challenges to Environmental Valuation of Water in Light of Global Change

2019· reference-entry· en· W2995821191 sur OpenAlex
Vic Adamowicz, Diane Dupont

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOxford Research Encyclopedia of Environmental Science · 2019
Typereference-entry
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensBrock UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRecreationValuation (finance)Ecosystem servicesClimate changeDemographicsEnvironmental changeBusinessNatural resource economicsWater resourcesEnvironmental resource managementEnvironmental economicsEcosystemEnvironmental planningEnvironmental scienceEconomicsAccountingEcology

Résumé

récupéré en direct d'OpenAlex

Abstract A number of challenges are faced by practitioners seeking to elicit values associated with water in a world of global change. These values are needed to assist in decision-making around the use of water as a country’s key asset. Five different pathways show the complexity of the relationship between global change and environmental valuation of water: a climate change pathway, ecosystem infrastructure pathway, population/demographics pathway, income pathway, and technological change/innovation pathway. The challenges are most acute for water when it is related to ecosystem services since values need to be elicited through the use of non-market survey-based valuation techniques. In addition, environmental valuation will be important to inform the determination of water quality standards associated with different uses of water (drinking, recreation, etc.) and the allocation of resources to provide these different services. Several case studies illustrate issues and solutions. The article concludes with an appreciation of future challenges and opportunities.

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.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,894

Scores Codex et Gemma par catégorie

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

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 Opus0,055
Tête enseignante GPT0,280
Écart entre enseignants0,225 · 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