MétaCan
Menu
Retour à la cohorte
Enregistrement W7033470402

Réactions de la demande en eau des ménages aux méthodes de conservations liées aux prix et non liées aux prix

2019· other· fr· W7033470402 sur OpenAlexaboutno aff

Notice bibliographique

RevueBrock University Digital Repository (Brock University) · 2019
Typeother
Languefr
DomaineComputer Science
ThématiqueNeural Networks and Reservoir Computing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionTSG101Gestational periodArticular cartilage damageHyporeflexiaDiafiltration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le Canada possède d’abondantes ressources d’eau : environ 7 % de l’eau fraîche renouvelable du monde pour moins de 1 % de la population mondiale. Cependant, la pression exercée sur la ressource ne cesse de grimper. En effet, les retraits d’eau annuels ont augmenté de près de 90 % au cours des 20 dernières années, faisant du Canada le deuxième consommateur d’eau par habitant au monde. Les gestionnaires des services d’eau veulent mettre en place des stratégies de conservation qui assureront une utilisation plus durable des réserves d’eau disponibles, en particulier face à la variabilité croissante des précipitations attribuable aux changements climatiques. Ils ont de plus en plus recours à des méthodes liées aux prix (augmentation du prix de l’eau) plutôt qu’à des méthodes plus traditionnelles non liées aux prix (restrictions estivales en matière de consommation d’eau) pour encourager la conservation. Cependant, il existe peu d'information sur la réaction de la demande des consommateurs face aux changements dans les prix. Ce projet de recherche vise entre autres à établir l’efficacité de méthodes liées aux prix pour réduire la consommation d’eau. Un deuxième enjeu ciblé par cette recherche concerne la façon d’intégrer, d’une part, la réaction aux prix dans la capacité de prédire la demande future en eau et, d’autre part, des flux de rentrées qui financeront l’entretien et l’amélioration des infrastructures à l’avenir.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,318
Score d'incertitude au seuil0,632

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,024
Tête enseignante GPT0,250
Écart entre enseignants0,226 · 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'étudeObservationnel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrock University Digital Repository (Brock University)Même sujetNeural Networks and Reservoir ComputingTravaux en français237 207