Does self-reported water collection time differ from observed water collection time? Evidence from the Upper West Region of Ghana
Notice bibliographique
Résumé
Abstract Water collection time is a key indicator in tracking access to drinking water. Over the years, water surveillance agencies have relied on water collectors for information on water collection time to measure progress of water supply. However, emerging evidence shows that water collection times reported by water collectors in developing countries are often imprecise. To contribute to knowledge about the validity or otherwise of self-reported water collection times, this study explored the association between self-reported water collection times and observed water collection times in the Upper West Region of Ghana. Data on water collection times were gathered from 412 water collectors in Daffiama-Issa-Bussie District and Lawra Municipality, first through interviews, and second by observation. From the results, self-reported water collection times were significantly (P < 0.01) lower than observed water collection times. The average round-trip water collection time reported by water collectors (32 minutes) was 8 minutes lower than observed water collection times (40 minutes). This implies that existing statistics on basic water coverage that are largely based on self-reported water collection times are overestimated. Going forward, we call on water surveillance agencies to collect data on water collection times through observation. This article has been made Open Access thanks to the generous support of a global network of libraries as part of the Knowledge Unlatched Select initiative.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».