MétaCan
Menu
Retour à la cohorte
Enregistrement W6991400899

Great Lakes: EPA Needs to Define Organizational Responsibilities Better for Effective Oversight and Cleanup of Contaminated Areas

2002· report· en· W6991400899 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity of North Texas Digital Library (University of North Texas) · 2002
Typereport
Langueen
DomaineSocial Sciences
ThématiqueWater Resources and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemedial actionAgency (philosophy)Quality (philosophy)Water qualityRemedial educationResource (disambiguation)State (computer science)Environmental quality
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A letter report issued by the General Accounting Office with an abstract that begins "To protect the Great Lakes and to address common water quality problems, the United States and Canada entered into the bilateral Great Lakes Water Quality Agreement in 1972. The agreement has been amended several times, most recently in 1987. That year, the two countries agreed to cooperate with state and provincial governments to develop and implement remedial action plans (RAPs) for designated areas in the Great Lakes Basin--areas contaminated, for example, by toxic substances. The Environmental Protection Agency (EPA) leads the effort to meet the goals of the Great Lakes Water Quality Agreement, which include RAP development and implementation. As of April 2002, all of the 26 contaminated areas in the Great Lakes Basin that the United States is responsible for have completed the first stage of the RAP process; however, only half have completed the second stage. Even though EPA has been charged with leading the effort to meet the goals of the agreement, it has not clearly delineated responsibility for oversight of RAPs within the agency, and, citing resource constraints and the need to tend to other Great Lakes priorities, reduced its staff and the amount of funding allocated to states for the purpose of RAP development and implementation."

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,537

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,002
Communication savante0,0070,004
Science ouverte0,0010,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0260,005

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 Opus0,012
Tête enseignante GPT0,189
Écart entre enseignants0,177 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of North Texas Digital Library (University of North Texas)Même sujetWater Resources and GovernanceTravaux en français237 207