MétaCan
Menu
Retour à la cohorte
Enregistrement W4234509944 · doi:10.32920/ryerson.14648199

A capacity assessment and legislative review of the Clean Water Act in Ontario : past, present and future

2021· preprint· en· W4234509944 sur OpenAlexafffundabout
Andrea Torok

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensToronto Metropolitan UniversityA&L Canada Laboratories (Canada)
Organismes subventionnairesNatural Resources CanadaMinistry of Education, IndiaU.S. Geological SurveyOntario Ministry of Health and Long-Term CareU.S. Department of AgricultureU.S. Environmental Protection Agency
Mots-clésLegislationClean Water ActLegislatureConsistency (knowledge bases)Environmental planningBusinessGovernment (linguistics)Capacity buildingDistribution (mathematics)Local governmentPoliticsEnvironmental resource managementPublic administrationPolitical scienceEnvironmental scienceWater qualityLaw

Résumé

récupéré en direct d'OpenAlex

Historically an unequal distribution of capacity existed among local Municipalities and Conservation Authorities with regards to protecting water in Ontario, as well there was no specific legislation pertaining solely to source water protection. The aim of this research project is to present and analyze through a comparative assessment, the financial capacity requirements and the technical, institutional, social and political capacity progress observed among the 19 Source Protection Regions across Ontario in terms of protecting source water following the Walkerton event and the enactment of the Clean Water Act (CWA). The results indicate that through the enactment of the CWA, capacity building initiatives have taken place through a top-down model with the provincial governments' guidance, direction and support to local municipalities and CAs. When the provincial government takes control and provides capacity related assistance, the lower level municipal and CA governments become regulated; functioning more effectively and with a level of consistency across the province.

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)0,012
score de la tête « metaresearch » (Gemma)0,030
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,996

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0090,018
Études des sciences et des technologies0,0050,003
Communication savante0,0050,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,280
Écart entre enseignants0,256 · 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
GenreSynthèse

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

En bref

Citations1
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207