MétaCan
Menu
Retour à la cohorte
Enregistrement W4383226627 · doi:10.1016/j.envsoft.2023.105777

Beyond engineering: A review of reservoir management through the lens of wickedness, competing objectives and uncertainty

2023· review· en· W4383226627 sur OpenAlexaff
Wenyan Wu, Leila Eamen, Graeme C. Dandy, Saman Razavi, George Kuczera, Holger R. Maier

Notice bibliographique

RevueEnvironmental Modelling & Software · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesAustralian Research Council
Mots-clésWickednessRisk analysis (engineering)Order (exchange)Control (management)Reservoir engineeringEnvironmental resource managementManagement scienceComputer scienceBusinessEngineeringEconomicsArtificial intelligenceGeology

Résumé

récupéré en direct d'OpenAlex

Traditionally, reservoir management has been synonymous with the operation of engineering infrastructure systems, with the majority of literature on the topic focusing on strategies that optimize their operation and control. This is despite the fact that reservoirs have major impacts on society and the environment, and the mechanics of how to best manage a reservoir are often overshadowed by both environmental changes and higher-order questions associated with societal values, risk appetite and politics, which are highly uncertain and to which there are no “correct” answers. As a result, reservoirs have attracted more controversy than any other type of water infrastructure. In this paper, we address these often-ignored issues by providing a review of reservoir management through the lens of wickedness, competing objectives and uncertainty. We highlight the challenges associated with reservoir management and identify research efforts required to ensure these systems best serve society and the environment into the future.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0000,001
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,231
Écart entre enseignants0,203 · 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

Citations38
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Modelling & SoftwareMême sujetWater resources management and optimizationTravaux en français237 207