MétaCan
Menu
Retour à la cohorte
Enregistrement W4402929883 · doi:10.1021/acsestwater.4c00582

Access to Water Service Modalities in Rural Alaska: Understanding Community Experiences and Perceptions

2024· article· en· W4402929883 sur OpenAlexaboutno aff
Miriam Tariq, Nicola Ritsch, Prachi Mehendale, Michaela LaPatin, Lauryn A. Spearing, Lynn E. Katz, Leif Albertson, Daniel Erian Armanios, Kasey M. Faust

Notice bibliographique

RevueACS ES&T Water · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésModalitiesPerceptionService (business)GeographyBusinessSociologyPsychologyMarketingSocial science

Résumé

récupéré en direct d'OpenAlex

Households in rural Alaska rely on various water service modalities to meet daily needs. The level of service provided impacts end-users’ ability to access and benefit from their services. Furthermore, the degree of responsibility placed on end-users for the collection, storage, and maintenance of systems varies by water service modality. Centering end-users’ experiences and preferences in water management helps ensure that water infrastructure solutions align with community needs, priorities, and capabilities. To that end, we compare end-users’ experiences with different water service modalities and perceptions of service in the Yukon-Kuskokwim Delta, one of the most underserved regions in the United States. We then explore associations between experiences and sociodemographic and geographic community characteristics to identify potential inequities or factors impacting end-users’ access to water. We conducted a qualitative content analysis of 41 semistructured interviews with 50 end-users residing in the Yukon-Kuskokwim Delta. Findings show that end-users frequently struggle with service disruptions and affordability, especially hauled water users. End-users also expressed aesthetic concerns related to the taste of chlorinated water, leading them to use potentially unsafe water service modalities for consumption. Better understanding of public perceptions allows us to center community needs when improving access to water services.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,116

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0020,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,132
Tête enseignante GPT0,411
Écart entre enseignants0,279 · 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'étudeQualitatif
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS ES&T WaterMême sujetIndigenous Studies and EcologyTravaux en français237 207