MétaCan
Menu
Retour à la cohorte
Enregistrement W6977246412 · doi:10.6084/m9.figshare.12853509

Unfolding ‘big’ problems of small water system performance: a qualitative study in British Columbia

2020· article· en· W6977246412 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMarriage and Family Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater qualityCorporate governancePopulationQualitative researchWater supplyWater infrastructureQualitative analysisDistribution (mathematics)Quality (philosophy)

Résumé

récupéré en direct d'OpenAlex

In this study, small water systems (SWSs) serve a population of less than 5,000. This paper includes responses to a qualitative questionnaire from 66 SWSs (33% out of 200 SWSs) that identify the major problems within these systems across British Columbia (BC). Focusing on four interrelated components of SWSs (water quality issues, treatment and disinfection, water quality monitoring and water governance challenges), the identified major problems include: insufficient water monitoring programs; inadequate treatment prior to disinfection; insufficient funds to build water infrastructure; high turbidity; iron and manganese in source water; microbial contamination, especially in distribution networks; and high disinfection by-product formation. Based on the findings, the authors recommend implementing efficient water policies suitable for SWSs and strengthening funding support from governments. Developing long-term plans for effective management of water resources, while building strong communication among relevant stakeholders (ie municipal managers, operators and consumers), can also play a significant role in ensuring safe drinking water supplies. The findings can help BC policymakers understand the major problems of SWSs and their root causes.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,138
Score d'incertitude au seuil0,277

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0250,012
Communication savante0,0040,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,090
Tête enseignante GPT0,298
Écart entre enseignants0,208 · 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'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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetMarriage and Family DynamicsTravaux en français237 207