MétaCan
Menu
Retour à la cohorte
Enregistrement W4404368067 · doi:10.1016/j.worlddev.2024.106825

Water affordability challenges in Latin America and the Caribbean: Accounting for coping costs due to reliance on multiple, non-exclusive sources

2024· article· en· W4404368067 sur OpenAlexaff
Roberto Martı́nez-Espiñeira, María Pérez Urdiales

Notice bibliographique

RevueWorld Development · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesInter-American Development Bank
Mots-clésLatin AmericansCaribbean regionCoping (psychology)EconomicsCaribbean islandDevelopment economicsBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Standard water affordability measures that only account for expenditure on piped water are unlikely to adequately capture the situation of all users in developing countries, who often experience water service quality issues and must rely on coping strategies. Our analysis establishes a foundational framework for systematically incorporating coping costs into assessing affordability metrics. Moreover, we propose adjusting these metrics based on normative judgments regarding the necessity of these coping strategies. We exploit nationally representative household-level data from 18 countries in Latin America and the Caribbean, providing, for the first time, a regional perspective on water affordability We show that when coping costs, which disproportionately impact individuals in the lowest 20% income bracket, are considered, the share of income spent on water significantly exceeds conventionally accepted benchmarks. While our analysis does not reveal substantial differences between adjusted and unadjusted water affordability, our approach may yield more pronounced disparities in other developing countries. These findings, complemented by our identification of characteristics associated with water affordability challenges, provide relevant information for shaping policies aimed at guaranteeing safe and affordable access to water 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 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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,215

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,199 · 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'étudeObservationnel
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 revueWorld DevelopmentMême sujetWater resources management and optimizationTravaux en français237 207