MétaCan
Menu
Retour à la cohorte
Enregistrement W860828691

Monitoring and assessing global water quality - the GEMS-Water experience

2002· article· en· W860828691 sur OpenAlexaff
Richard D. Robarts, A. S. Fraser, Kelly M. Hodgson, Guy M. Paquette

Notice bibliographique

RevueEcohydrology & Hydrobiology · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésWater qualityData qualityQuality (philosophy)Scale (ratio)Environmental resource managementBusinessEnvironmental scienceEnvironmental planningWater resource managementGeographyService (business)Cartography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Evaluation and assessment of fresh and inland water quality at the regional and global scales is not a simple task. UNEPs GEMS/Water has operated a comprehensive freshwater quality monitoring and assessment programme for over 20 years and is the only such global programme. GEMS/Water operates by inviting national governments to provide water quality data from their water quality monitoring programmes. The data is then compiled into a global database, GLOWDAT, which is a value-added process. GEMS/Water, United Nations agencies and other international organizations use the data to undertake global and regional scale water quality assessments. More than 100 countries participate in the programme that has a database of 1.6 million data entries. Participating countries control, for example, the type of data collected, the location of sampling sites, the frequency of monitoring, the analytical and field methods used and the frequency at which data is transferred to GEMS/Water. In order to make effective water quality assessments, identify emerging water quality issues and environmental 'hotspots', the data available must be of good quality, comparable between countries for a specific parameter, be geographically representative for a given region and be up-to-date. The only way for GEMS/Water to ensure that all these characteristics are satisfied in GLOWDAT would be for GEMS/Water to operate its own global water quality-monitoring programme. This is economically unfeasible. However, GEMS/Water has an operational manual, a modular training course and operates a QA/QC programme to help countries with data quality. Some countries have modernized their water quality programme, a complex and comprehensive activity that includes legal and institutional considerations, technical issues, and a strategic program of capacity building. Implementation of such comprehensive programmes in more countries will lead to better quality data for GEMS/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)0,001
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 enseignants0,207
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,044
Tête enseignante GPT0,310
Écart entre enseignants0,266 · 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

Citations6
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcohydrology & HydrobiologyMême sujetWater Quality and Pollution AssessmentTravaux en français237 207