MétaCan
Menu
Retour à la cohorte
Enregistrement W3197877814 · doi:10.1080/07900627.2021.1964449

Comparative assessment of alternative water supply contributions across five data-scarce cities

2021· article· en· W3197877814 sur OpenAlex
Janez Sušnik, Osman Jussah, Mohamed O. M. Orabi, Muhammed C. Abubakar, Richmond F. Quansah, Wahid Yahaya, Justin A. Adonadaga, Carlos Cossa, Jose Ferrato, Castigo A. Cossa, Wahyono Hadi, Adhi Yuniarto, Bowo Djoko Marsono, Alfan Purnomo, Franҫoise Bichai, Chris Zevenbergen

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Water Resources Development · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésWater supplyClosing (real estate)Water scarcityBusinessResource (disambiguation)Water securityWater resourcesScarcitySupply and demandPotable waterEnvironmental planningEnvironmental economicsWater resource managementNatural resource economicsEnvironmental resource managementEnvironmental scienceEconomicsComputer scienceEnvironmental engineeringFinance

Résumé

récupéré en direct d'OpenAlex

Alternative water sources offer opportunities to contribute to the water supply to meet non-potable urban demand, closing water supply–demand gaps. Detailed assessments of these schemes are often data intensive, which can be a barrier in resource-scarce locations. A data-light approach is proposed and applied to assess the potential contribution of alternative water sources in five cities in the Global South, and to identify barriers preventing their widespread uptake. These barriers include perception, space, cost, home ownership and capacity constraints. This approach is applicable elsewhere, supporting assessment for city water planners/managers for preliminary planning to promote discussion on alternative sources to water security.

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.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,682
Score d'incertitude au seuil0,578

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 ouverte0,0010,001
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 Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,277 · 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