Replication Data for: Learning from Intermittent Water Supply Schedules: Visualizing Equality, Equity and Hydraulic Capacity in Bengaluru and Delhi, India
Notice bibliographique
Résumé
Intermittent Schedule Vizualization David Meyer 2022-10-24 The repository contains the data, code, and figures associated with the paper Meyer et al. 2023. Over a billion people get water from water supply networks that regularly interrupt their service. Unfortunately, the intermittent operations induce inequalities within the network. In our work, we created the tools needed to use Water Supply Schedules to quantify and compare the inequality of water supply schedules between and within cities. We apply these tools to the largest and most complicated intermittent water systems ever described in peer-reviewed papers: Delhi and Bangalore; they supply water to 25 million people according to 3278 schedules. Uniquely, we propose to use publicly posted water supply schedules to estimate service quality and service equality within intermittent systems at a novel scale: the supply schedule scale. While we demonstrate and visualize the use of supply schedules in Delhi and Bangalore, the implications of our work are much broader: we showcase a new scale at which intermittent systems could and should be researched and regulated and we provide the methods required to do so. Research into intermittent water supplies is often limited by data availability. Against this trend, we openly share our digitized versions of each city’s water supply schedules and the code required to process them in this repository. In doing so, we hope to enable other researchers to explore and model the operations of intermittent systems in ways that reflect the complexity and inequalities of intermittent supply. In this repository, you’ll find the: 1. original schedule data from both cities 2. manually transcribed schedule data 3. processed schedules in long and wide formats 4. code to process the transcribed schedules 5. visual summaries of the schedules 6. code to generate these visual summaries We extended our analysis by intersecting schedule census data using GIS. We include: 7. Census data 8. Our intersected data 9. Code to generate visual summaries of the equity data Relevant files are contained in Data, Code, and Figure subfolders.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,012 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».