An Online Interactive Tool for Exploring Water Justice with Undergraduate Students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is vital that the next generation of public health practitioners understand the importance of ensuring affordable and equitable access to safe drinking water for all communities, and the interconnected roles that scientific research, public policy, community engagement, and advocacy play in ensuring this. Here, we describe the Water Tool, a website where student-users develop an exploratory and customizable journey through data on drinking water suppliers’ compliance with regulations, watershed pollution, and environmental justice: https://eew-sdwa-nj.streamlit.app/ In the course we built alongside a New Jersey-specific version of the Water Tool, students complete three in-class assignments and a final project. They first use it to answer a basic set of questions such as, how many public water systems are there in the state? Students then find their own water provider through an interactive map and describe the provider’s source water and number of persons served. Next, they use the tool to investigate socioeconomic, biophysical, and public health indicators of environmental inequity in their area. In the final project, students reflect on the meaning of the information they compiled and how to communicate it. Through hands-on engagement with data and structured opportunities for reflection, the Water Tool enables students to learn both about how drinking water is regulated and how to assess information on drinking water quality for specific water systems. Although we designed the tool and assignments specifically with New Jersey in mind, it could be reconfigured for use in other states or more local contexts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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