MétaCan
Menu
Retour à la cohorte
Enregistrement W3080823131 · doi:10.3390/su12176851

Drinking Water Consumption Patterns: An Exploration of Risk Perception and Governance in Two First Nations Communities

2020· article· en· W3080823131 sur OpenAlexafffundabout
Neal Spicer, Brenda Parlee, Molly Chisaakay, Doug Lamalice

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésBottled waterPerceptionRisk perceptionConsumption (sociology)JurisdictionIndigenousBusinessEnvironmental healthSocioeconomicsGeographyPsychologyPolitical scienceSociologyEngineeringMedicineEnvironmental engineeringEcology

Résumé

récupéré en direct d'OpenAlex

Many Indigenous communities across Canada suffer from the lack of access to clean drinking water; ensuring individuals and communities have safe water to drink either from their home or from their local environment requires the consideration of multiple factors including individual risk perception. In collaboration with local leaders, semi-structured interviews (n = 99) were conducted over a two-year period in the Dene Tha’ First Nation and Kátł’odeeche First Nation to unpack the issue of risk perception and its meaning to local community members. These local metrics of risk perception including smell, taste, safety, health fears and level of concern were then used to explore patterns in other data on drinking water consumption patterns and bottled water use. The results are consistent with previous research related to water insecurity and indicate that both communities consume more bottled water than the average Canadian. Results also varied by jurisdiction; those in Alberta indicated much higher levels of concern and a greater degree of bottled water consumption.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,136
Score d'incertitude au seuil0,274

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0100,003
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,050
Tête enseignante GPT0,345
Écart entre enseignants0,295 · 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'étudeQualitatif
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

Citations36
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetRisk Perception and ManagementTravaux en français237 207