MétaCan
Menu
Retour à la cohorte
Enregistrement W4392353482 · doi:10.2166/aqua.2024.307

Urban water security assessment: investigating inequalities using a multi-scale approach

2024· article· en· W4392353482 sur OpenAlexaff
Juliana Marçal, Junjie Shen, Blanca Antízar-Ladislao, David Butler, Jan Hofman

Notice bibliographique

RevueAQUA - Water Infrastructure Ecosystems and Society · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensHamilton Utilities Corporation
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésScale (ratio)InequalityEnvironmental scienceWater securityComputer scienceGeographyMathematicsWater resourcesCartography

Résumé

récupéré en direct d'OpenAlex

Abstract Water security is a multi-faceted concept that encompasses dimensions such as water quantity, quality, human health, well-being, water hazards, and governance. The evaluation of water security is an important step towards understanding and improving it, particularly in urban settings where disparities resulting from unequal distribution of population and resources are present and often evade citywide assessments. To address the diversity of the urban space, we propose a multi-level assessment approach based on downscaling the spatial dimension. Using a comprehensive indicator-based framework, we evaluate the city of Campinas in Brazil across citywide and intra-city scales. Employing the Theil index to measure inequality, the results reveal nuanced disparities less apparent at broader scales. Despite an overall favourable water security condition, spatial heterogeneity is still noticeable in the urban area of Campinas. The methodology highlights different aspects, such as vegetation cover, social green areas, and wastewater collection, which are inequitably distributed in the urban area. This integrated approach, linking inequality and water security assessment, has the potential to unveil specific needs within urban areas, helping guide targeted interventions to improve water security levels for all.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

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

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 GPT0,219
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAQUA - Water Infrastructure Ecosystems and SocietyMême sujetWater resources management and optimizationTravaux en français237 207