MétaCan
Menu
Retour à la cohorte
Enregistrement W4378189481 · doi:10.1016/j.scitotenv.2023.164393

Learning from intermittent water supply schedules: Visualizing equality, equity, and hydraulic capacity in Bengaluru and Delhi, India

2023· article· en· W4378189481 sur OpenAlexafffund
David Meyer, Saurabh Kumar Singh, Jitendra Kumar Singh, Manish Kumar, Matthew He

Notice bibliographique

RevueThe Science of The Total Environment · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesErasmus+Natural Sciences and Engineering Research Council of CanadaMitacsEuropean Commission
Mots-clésWater supplyEquity (law)New delhiCensusInequalityAgricultural economicsWater resource managementOperations managementBusinessEconomicsGeographyEnvironmental scienceMathematicsEnvironmental engineeringMedicinePopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Intermittent distribution affects one in five piped water users, threatens water quality, and magnifies inequity. Research and regulations to improve intermittent systems are hindered by system complexity and missing data. We created four new methods to visually harness insights from intermittent supply schedules and demonstrate these methods in two of the world's most complicated intermittent systems. First, we created a new way to visualize the varieties of supply continuities (hours/week of supply) and supply frequencies (days between supplies) within complicated intermittent systems. We demonstrated using Delhi and Bengaluru, where 3278 water schedules vary from continuous to only 30 minutes/week. Second, we quantified equality based on how uniformly supply continuity and frequency were divided between neighbourhoods and cities. Delhi provides 45 % more supply continuity than Bengaluru, but with similar inequality. Bengaluru's infrequent schedules require consumers to store four times more water (for four times longer) than in Delhi, but Bengaluru's storage burden is more equally shared. Third, we considered supply inequitable where affluent neighbourhoods (using census data) received better service. Neighbourhood wealth was inequitably correlated with the percent of households with piped connections. In Bengaluru, supply continuity and required storage were also inequitably divided. Finally, we inferred hydraulic capacity from the coincidence of supply schedules. Delhi's highly coincident schedules result in city-wide peak flows 3.8 times their average - sufficient for continuous supply. Bengaluru's inconvenient nocturnal schedules may indicate upstream hydraulic limitations. Towards improved equity and quality, we provided four new methods to harness key insights from intermittent water supply schedules.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,223
Écart entre enseignants0,194 · 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

Citations16
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Science of The Total EnvironmentMême sujetWater resources management and optimizationTravaux en français237 207