MétaCan
Menu
Retour à la cohorte
Enregistrement W4256375619 · doi:10.32920/ryerson.14661597

Assessment of the pathogen abatement effects of nutrient management policy: the Ontario Nutrient Management Act, 2002

2021· preprint· en· W4256375619 sur OpenAlexaboutno aff
Kate Erin Stiefelmeyer

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueMetallurgy and Material Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNutrient managementNutrientBusinessEnvironmental scienceLivestockEnvironmental planningNatural resource economicsEnvironmental protectionBiologyEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Nutrient management strategies and regulations provide for the optimal management of waste materials containing nutrients that may be applied to the land. They are enacted to protect water sources while maximizing the economic and biological value of the nutrients. The Province of Ontario has enacted a new Nutrient Management Act (2002), the purpose of which is to enable the province to enact regulations that establish standards for the management of nutrients. Livestock waste contains not only nutrients, but also many pathogenic microorganisms such as viruses, bacteria and protozoa. Although these contaminants are abundant in livestock waste, no legislation has been specifically designed for their control; instead, nutrient management policies are assumed to be proxies for pathogen management. Therefore, the question is, will nutrient management policies that have been designed specifically to control nutrients also ensure a safe drinking water supply through the control of pathogens?...[This research suggests that]... the ability of pathogens to survive and be transported in numerous environments leaves an uncertainty in the effectiveness of the land application regulations at reducing the risk of pathogen contamination.

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)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,049
Score d'incertitude au seuil0,353

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,263
Écart entre enseignants0,252 · 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'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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMetallurgy and Material ScienceTravaux en français237 207