MétaCan
Menu
Retour à la cohorte
Enregistrement W4407996689 · doi:10.3390/w17050690

Conflict Resolution of Parambikulam-Aliyar Project (PAP), India Using the Graph Model for Conflict Resolution

2025· article· en· W4407996689 sur OpenAlexaff
Poornima Unnikrishnan, K. Ponnambalam, Keith W. Hipel

Notice bibliographique

RevueWater · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransboundary Water Resource Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésConflict resolutionResolution (logic)Political scienceComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study employs the Graph Model for Conflict Resolution (GMCR) to systematically analyze and evaluate potential solutions to disputes arising from the Parambikulam-Aliyar Project (PAP) agreement in India. By incorporating hydrological analysis in the study, the research assesses the potential impacts of proposed solutions on water demand. The GMCR methodology is applied through a comprehensive decision support system (GMCR II), involving the identification of decision-makers, options, and preferences, followed by the development of a conflict resolution model. The analysis is based on a thorough literature review of previous studies on GMCR and PAP systems. The strategic analysis using GMCR II reveals nine stable states, representing feasible resolution scenarios. The study evaluates the real-world implications of various resolution scenarios by assessing their hydrological consequences on demand sites using Water Evaluation and Planning (WEAP). The results provide valuable insights into both conflict resolution and environmental considerations, evaluating various resolution scenarios and their feasibility. The study discusses the practical applicability and long-term effectiveness of the proposed solutions, addressing potential challenges and impacts. For instance, this study examines the potential impacts of new constructions in the PAP system, based on hypothetical data assumptions regarding water divergence and reservoir capacity. The study indicates that such a solution involving new construction can reduce the overall unmet water demand by up to 39%, with a notable decrease of up to 50% in unmet demand for irrigation in Tamil Nadu. However, the study also reveals potential challenges, including a 14% increase in unmet demand for irrigation in Kerala. This study contributes to the existing literature by providing a novel application of GMCR to a complex water management conflict, highlighting its potential to support policymakers in mitigating conflicts and promoting cooperation in the context of transboundary water management. While offering valuable insights into the strategic dynamics of the PAP agreement, the analysis is constrained by limited data availability, such as long-term hydrologic data and real-time water usage data. Future research addressing data scarcity can leverage this study’s framework to develop more robust and actionable management strategies.

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 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 enseignants0,838
Score d'incertitude au seuil0,741

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,081
Tête enseignante GPT0,347
Écart entre enseignants0,267 · 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.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetTransboundary Water Resource ManagementTravaux en français237 207