MétaCan
Menu
Retour à la cohorte
Enregistrement W4210261802 · doi:10.5937/jaes0-31719

Quality assessment of water quality in Iraqi cities

2022· article· en· W4210261802 sur OpenAlexaboutno aff
Maysoon Abdullah Mansor, Baraa Kamel, Muyasser M. Jomaa’h

Notice bibliographique

RevueIstrazivanja i projektovanja za privredu · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbidityWater qualityStatisticsIndex (typography)Quality (philosophy)Statistical analysisEnvironmental scienceStandard deviationMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

The quality of drinking water directly affects human health and life. This study is concerned with the assessment of the drinking water quality in the main cities of 14 Iraqi governorates for the years 2011 and 2017 based on the Iraqi Central Statistical Organization statistical data for nine parameters. The Canadian method was used to calculate the Water Quality Index. The results showed a slight difference with the preference for water quality for the year 2011. The water quality is ranked excellent depending on the minimum values of statistical data, good based on the average value of statistical data, and poor depending on the maximum values of statistical data. The most influential parameters for the deviation of the water quality index values are sulphate and turbidity, and the lowest are the pH and electrical conductivity. The study showed that the water quality index does not give a consistent trend of the water quality change during the years 2011 and 2017. Therefore, the study recommends the use of other advanced statistical methods for this purpose. The study showed that the statistical data give less accurate results than the results of the tests, but it gives a clear initial picture for the decision-makers when the study area is wide and the research team is not available and the time period is long.

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 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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,069
Tête enseignante GPT0,359
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIstrazivanja i projektovanja za privreduMême sujetWater Quality and Pollution AssessmentTravaux en français237 207