MétaCan
Menu
Retour à la cohorte
Enregistrement W4402087735 · doi:10.31857/s0869587324050067

Unfulfilled water impact forecasts, plans and projects

2024· article· en· W4402087735 sur OpenAlexaboutno aff
Н. И. Коронкевич, Е. А. Барабанова, I. S. Zaitseva, G. M. Chernogaeva

Notice bibliographique

RevueВестник Российской академии наук · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceBusinessEnvironmental planning

Résumé

récupéré en direct d'OpenAlex

The article presents a retrospective review of some forecasts, plans and projects of anthropogenic impact on water resources that did not materialize, were not implemented by the planned date or were incomplete. Values of full (water intake) and irrevocable water consumption for 2000, predicted in the 1960s and 1970s by well-known domestic and foreign researchers, are compared with the actual water consumption in 2000 in the world, the USA, and our country. It is shown that most of water consumption forecast parameters turned out to be significantly higher than the actual one, which gives reason to consider these forecasts were not borne out. In the Water Strategy of the Russian Federation, developed in 2009 for the period up to 2020, these values were also significantly overestimated (by tens of percent). Incomplete implementation of various programs did not lead to the expected significant improvement in the water quality of rivers, including the Volga, and reservoirs in Russia. Such failed projects as NAWAPA in the USA and Canada, projects of interzonal redistribution of water resources in the USSR, projects of Nizhneobskaya and Turukhanskaya (Evenkijskaya) hydroelectric power plants, partially implemented projects of Cheboksary and Nizhnekamsk hydroelectric power plants, as well as a number of others are considered. Among the main reasons for unsuccessful forecasts, unfulfilled plans and projects are the lack of reliable data, incomplete knowledge about laws of nature and society development, financial problems, environmental demands, and the dramatically changed economic and political situation.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,007
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,248
Écart entre enseignants0,239 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueВестник Российской академии наукMême sujetFlood Risk Assessment and ManagementTravaux en français237 207