MétaCan
Menu
Retour à la cohorte
Enregistrement W3000116456 · doi:10.1061/9780784481660.022

Analyzing Conflicts over Water Extraction from Great Lakes of North America through Game Theory Approaches

2018· article· en· W3000116456 sur OpenAlexaff
Sevda Payganeh, Mark A. Knight, Carl T. Haas

Notice bibliographique

RevuePipelines 2018 · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGame theoryComputer scienceExtraction (chemistry)Mathematical economicsMathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

Municipalities, water bottling companies, and other heavy water consumers are extracting large amounts of water from fresh water sources such as the Great Lakes, intensifying the already large effects imposed by extended periods of low rainfall and high temperatures. Applications for permissions to extract more water from the Great Lakes and also, the advantages and disadvantages of using different methods of water transportation have fueled a series of disputes. Great Lakes’ surrounding states and provinces try to protect the Great Lakes. But heavy water consumers seek further access to the rich water source. After identifying the important players, their preferences and options have been analyzed using the graph model of conflict resolution (GMCR) approach. It is suggested that the equilibrium state is a situation in which no water extraction permissions from the Great Lakes would be issued to additional parties. On the other hand though, a lot of water seekers would be trying to get approvals to access the Great Lakes. They would also however, seek other alternatives regarding their water requirements. This research should enhance understanding of the conflicts over water extraction and transportation from Great Lakes, and hence, help decision makers predict/prevent other potential water disputes.

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 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 enseignants0,314
Score d'incertitude au seuil0,480

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,030
Tête enseignante GPT0,225
Écart entre enseignants0,194 · 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 tête enseignante, 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePipelines 2018Même sujetWater resources management and optimizationTravaux en français237 207