MétaCan
Menu
Retour à la cohorte
Enregistrement W30582256 · doi:10.1111/desc.12794

Development of A Knowledge•Based Compliance Auditing System for Environmental Impact Assessment (EIA) Projects in Malaysia

2001· dissertation· en· W30582256 sur OpenAlexfundno aff
Md. Mizanur Rahman

Notice bibliographique

RevueDevelopmental Science · 2001
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentFonds de Recherche du Québec-Société et Culture
Mots-clésAuditEnvironmental auditEnvironmental management systemEnvironmental impact assessmentCompliance (psychology)EngineeringEnvironmental complianceProcess managementBusinessEnvironmental resource managementRisk analysis (engineering)AccountingGeographyEnvironmental protectionEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Environmental Management Program (EMP) constitute an important component of the Environmental Impact Assessment (EIA) report of the development projects where the environmental monitoring programs and the environmental compliance auditing (ECA) aspects should be described in detail. ECA requires systematic selection of monitoring variables and analysis of the monitoring database and also requires that a uniform quality standard in auditing be maintained for different types of development projects and different stages of their development. ECA should produce an audit report that is easy to understand and could be used under taking mitigation measures. Presently, in Malaysia, for the EIA projects, there is neither any specific guideline for conducting compliance auditing nor any systematic management of the data generated through monitoring of the projects. The main objective of this study is to develop a knowledge-based environmental compliance auditing system (called ECA-KB) that uses expert's knowledge from different environmental fields and a quantitative technique of evaluating the environmental compliance level of a particular project. ECA-KB comprises of three components namely monitoring database system, compliance auditing model, and knowledge base system. These three component systems have been integrated together to produce concise and comprehensive environmental compliance audit report for the EIA projects. The study provides a tool for the decision-makers and the stakeholders namely the project proponents, environmental consultants, and Department of Environment (DOE) to monitor, evaluate environmental compliance level of the projects, generate compliance audit report, and to keep track on the compliance trend. The great potentiality of the developed ECA-KB is that it is produced in easy interactive and simplified manner that can be run as desktop applications by both the experts and the non-expert users. The system is available in install able CD's and can be reached to the potential users by several ways including distribution of CD's through market channel, demonstration in the seminars, and symposium.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,092
Tête enseignante GPT0,348
Écart entre enseignants0,257 · 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

Citations0
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopmental ScienceMême sujetBig Data and Business IntelligenceTravaux en français237 207