MétaCan
Menu
Retour à la cohorte
Enregistrement W4406853173 · doi:10.1016/j.isci.2025.111902

Catalyzing sustainable development goals through the water-energy-food nexus

2025· review· en· W4406853173 sur OpenAlexaff
Luxon Nhamo, Sylvester Mpandeli, Stanley Liphadzi, Tafadzwanashe Mabhaudhi

Notice bibliographique

RevueiScience · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesWater Research CommissionWellcome Trust
Mots-clésNexus (standard)Water energySustainable developmentNatural resource economicsEnvironmental scienceBusinessEnvironmental protectionEnvironmental ethicsChemistryEcologyEngineeringEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Water, energy, and food (WEF) are central to sustainable development as they are vital for socio-ecological and socio-economic sustainability and human and environmental wellbeing. How the three are used and managed is central to either the aggravation of climate change or the enhancement of resilience and adaptation strategies. This mixed transdisciplinary study developed a WEF nexus-based framework to guide strategic policy decisions to catalyze progress toward achieving sustainable development goals. The aim is to guide the cross-sectoral management of resources for sustainable development under climate change, increasing demand, depletion, degradation, and uncertainty. Past and present data on resource management was assessed to comprehend future availability toward achieving sustainable development outcomes for people and the planet. The fundamentals of holistic WEF resources management were assessed, highlighting the significance of transformative, cross-sectoral, and circular approaches in enhancing resource use efficiency and sustainability. This is critical for informing sustainable natural resources management decisions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0030,005
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 Opus0,028
Tête enseignante GPT0,266
Écart entre enseignants0,238 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207