MétaCan
Menu
Retour à la cohorte
Enregistrement W3048723292 · doi:10.3390/su12166518

Conventional Sewer Systems Are Too Time-Consuming, Costly and Inflexible to Meet the Challenges of the 21st Century

2020· article· en· W3048723292 sur OpenAlexaff
Gunilla Öberg, Geneviève S. Metson, Yusuke Kuwayama, Steven A. Conrad

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Socio-Environmental Synthesis CenterNational Science Foundation
Mots-clésSanitationToiletBusinessPopulationDeveloping countryPopulation growthEconomic growthNatural resource economicsEnvironmental planningEnvironmental economicsEconomicsEngineeringGeographyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

There is an urgent need for innovation in the sanitation sector because the conventional model (toilet-to-sewer-to-treatment) is too time-consuming and costly, and alternatives are lacking. We estimate the challenge ahead by developing scenarios for 60 of the fastest-growing urban conglomerates in the World. We find that the majority would need to build out their sewer systems at a rate that is ten to 50 times higher than the highest rate for any project in the World Bank’s database, which is unrealistic. We also carry out a case study of Lagos, Nigeria, which suggests that, in any given year, 14–37% of Lagos State’s budget would need to be invested to provide sanitation to the presently underserviced population while keeping up with population growth, which also is unrealistic. Our study provides clear evidence that the conventional model for sanitation is unworkable for rapidly growing urban areas. We conclude there is an urgent need to encourage and fund projects that promote innovations that can tackle the three core challenges: can be built sufficiently quickly, are flexible, and affordable. This is not likely to happen unless the future generation is systematically trained and educated to creatively support innovation in sustainable sanitation.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,019
Tête enseignante GPT0,265
Écart entre enseignants0,246 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetChild Nutrition and Water AccessTravaux en français237 207