MétaCan
Menu
Retour à la cohorte
Enregistrement W4411438001 · doi:10.1016/j.envsci.2025.104131

A typology of water-energy-food nexus research

2025· article· en· W4411438001 sur OpenAlexaff
J. Leah Jones-Crank

Notice bibliographique

RevueEnvironmental Science & Policy · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)TypologyWater energyFood energyBusinessEnvironmental economicsEnvironmental scienceNatural resource economicsEconomicsGeographyComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

The water-energy-food (WEF) nexus was introduced as an approach to address the combined water, energy, and food security challenges of the late 2000s. As an integrated approach, the WEF nexus combines these three resources together to measure and manage the trade-offs, co-benefits, and relationships between them and to integrate collaboration and policy between their related governance sectors. However, scholars have noted that a key challenge in the literature is a lack of a clear and consistent definition of the WEF nexus. With the volume and diversity of WEF nexus publications, a single definition may no longer be sufficient. Therefore, this perspective article addresses this limitation by developing a typology of the WEF nexus to categorize the framings and definitions of WEF nexus research. This typology provides clarity both in designing future WEF nexus research projects and in categorizing existing research. It develops the typology across two categories: the level of integration within the research design (as multidisciplinary, interdisciplinary, or transdisciplinary integration) and the weighting of the three sectors (whether water, energy, and food are all considered equally or whether one sector is emphasized over the other two). By using these two dimensions, this article develops a typology with six categories of the WEF nexus. Scholars may use this typology to accurately and consistently describe and design WEF nexus research within the specific context of their research study.

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)0,014
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0170,022
Études des sciences et des technologies0,0070,026
Communication savante0,0130,019
Science ouverte0,0020,008
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,020
Tête enseignante GPT0,298
Écart entre enseignants0,278 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & PolicyMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207