MétaCan
Menu
Retour à la cohorte
Enregistrement W4400689830 · doi:10.2166/wpt.2024.188

Enhancing water efficiency programming in the City of Calgary

2024· article· en· W4400689830 sur OpenAlexaffabout
Rennie Jordan, Michelle Anderson, Nisha Saini, Pablo Pina

Notice bibliographique

RevueWater Practice & Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensSAIT Polytechnic
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper presents the steps undertaken in a two-phase study to enhance the City of Calgary's (the City) water efficiency programming for indoor and outdoor industrial, commercial, and institutional (ICI) customers and outdoor residential customers. Study objectives included evaluating programs in other urban jurisdictions for suitability to Calgary, and developing short-, medium-, and long-term recommendations for water efficiency programming for the City. Phase I of the study included a literature review of Calgary's water consumption trends and explored over 150 water efficiency programs implemented across jurisdictions in North America, identifying a subset of 33 programs for further evaluation. Phase II evaluated program options through an integrated assessment, including gap, Strengths, Weaknesses, Opportunities, and Threats, and cost-benefit analysis. An implementation strategy was developed for seven water efficiency programs, grouped into complementary bundles of indoor and outdoor ICI and residential landscape transformation programs. The study also identified areas for further research, and key supporting elements or success factors for water efficiency programming in the City. This paper adds value to the discussion on approaches to select suitable indoor and outdoor ICI and outdoor residential water efficiency programs, and aids in informing the City's current and future strategic water planning and programs.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,999

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0020,003
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 Opus0,007
Tête enseignante GPT0,221
Écart entre enseignants0,214 · 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
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Practice & TechnologyMême sujetWater resources management and optimizationTravaux en français237 207