MétaCan
Menu
Retour à la cohorte
Enregistrement W7050406381

Virtual Water

2013· article· en· W7050406381 sur OpenAlexaboutno aff

Notice bibliographique

RevueLincoln (University of Nebraska) · 2013
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVirtual waterProduction (economics)Water resourcesWork (physics)Water scarcityWater useAgricultureCompetition (biology)Water conservationFarm water
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Life on earth depends on water. Unfortunately, water resources are not evenly distributed. There are countries with abundant water supplies, such as Brazil or Canada, and countries that lack water resources, such as Egypt or Jordan. Because water is critical for the production of food and other goods, as well as for human consumption, recreation and ecosystem support, competition among the various users for available supplies is often intense. The problem is compounded by the fact that water markets often work imperfectly or are lacking altogether. What can countries with limited water resources do? In rare cases, it may be possible to transfer water from water-abundant regions. For example, the small African country of Lesotho has abundant water supplies and sells its surpluses to South Africa (Mwangi, 2007). Another possibility is to build hydraulic infrastructures (wells, desalination plants, dams, etc.), which can be very expensive and often prove to be environmentally problematic (Velazquez, 2007). Yet another possibility is to consider importing agricultural products that require a lot of water during their production processes. Imports of such goods reduce the need to produce them in the country with scarce water resources. Water imported in the form of water-intensive goods is often referred to as “virtual water.”

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,999

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,007
Tête enseignante GPT0,169
Écart entre enseignants0,163 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLincoln (University of Nebraska)Même sujetParticle Detector Development and PerformanceTravaux en français237 207