Use of Mixed Methods in the Science of Hydrological Extremes: What Are Their Contributions?
Notice bibliographique
Résumé
Research in hydrological sciences is constantly evolving to provide adequate answers to water-related issues. Methodological approaches inspired by mathematical sciences and physical sciences have shaped hydrological sciences from its beginnings to the present day. But nowadays with the increasing complexity of hydrological phenomena, hydrological sciences have integrated approaches from the social sciences which provide missing information for the study of complex hydrological objects which is the observation and perception of water resources by users. A methodological approach: the mixed methods with their different research designs make it possible to combine the quantitative approaches of the physical and mathematical sciences and the qualitative approaches of the social sciences to understand the object of study and propose adequate solutions for its management. We detail here, the use of mixed methods in research in flood hydrology, in research on low flow conditions and on the management of these hydrological extremes. Mixed methods contributions to these studies are diverse and pragmatically relevant for hydrology. They range from the densification of data on extreme flood events to reduce forecasting uncertainties, to the production of knowledge on low-flow hydrological states that are insufficiently documented and finally to support participatory management decision-making about extreme hydrological events and water management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,232 | 0,324 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,010 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,020 | 0,019 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».