MétaCan
Menu
Retour à la cohorte
Enregistrement W6903416372 · doi:10.1021/acsestwater.4c00582.s001

Access to Water\nService Modalities in Rural Alaska:\nUnderstanding Community Experiences and Perceptions

2024· article· en· W6903416372 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModalitiesService (business)PerceptionQualitative researchService providerFocus groupWater industry

Résumé

récupéré en direct d'OpenAlex

Households in rural Alaska rely on various water service modalities to meet daily needs. The level of service provided impacts end-users’ ability to access and benefit from their services. Furthermore, the degree of responsibility placed on end-users for the collection, storage, and maintenance of systems varies by water service modality. Centering end-users’ experiences and preferences in water management helps ensure that water infrastructure solutions align with community needs, priorities, and capabilities. To that end, we compare end-users’ experiences with different water service modalities and perceptions of service in the Yukon-Kuskokwim Delta, one of the most underserved regions in the United States. We then explore associations between experiences and sociodemographic and geographic community characteristics to identify potential inequities or factors impacting end-users’ access to water. We conducted a qualitative content analysis of 41 semistructured interviews with 50 end-users residing in the Yukon-Kuskokwim Delta. Findings show that end-users frequently struggle with service disruptions and affordability, especially hauled water users. End-users also expressed aesthetic concerns related to the taste of chlorinated water, leading them to use potentially unsafe water service modalities for consumption. Better understanding of public perceptions allows us to center community needs when improving access to water services.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,958

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0430,000

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 Opus0,072
Tête enseignante GPT0,346
Écart entre enseignants0,274 · 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'étudeQualitatif
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetWater Governance and InfrastructureTravaux en français237 207