Adaptación de un sistema de tratamiento de aguas residuales en la comunidad urbana de Lacabamba, región Ancash - Perú,, usando tecnologías de humedales artificiales
Bibliographic record
Abstract
El presente articulo presenta los resultados obtenidos en la investigacion realizada por el Instituto de Investigacion de la Facultad de Ingenieria Geologica, Minera Metalurgica y Geografica de la Universidad Nacional Mayor de San Marcos (IIGEO - UNMSM), en el distrito de Lacabamba en el proyecto «Adaptacion de un sistema de tratamiento de aguas residuales en la comunidad urbana de Lacabamba, Region Ancash, Peru; Usando tecnologias de humedales artificiales». Este proyecto fue seleccionado en el 2003, por el Programa Pequenos Fondos Competitivos para Investigacion del Secretariado de Manejo del Medio Ambiente para America Latina y Caribe, SEMA / EMS y del International Development Research Centre, IDRC de Canada. La Convocatoria 2003 del SEMA - IDRC se centro en el uso sustentable del agua en las areas urbanas. Este proyecto tuvo como objetivo implementar y evaluar el sistema integral de manejo de aguas residuales en la comunidad urbana de Lacabamba, mediante el uso del sistema de humedales artificiales para tratar las aguas y su reutilizacion en un biohuerto comunal, como una tecnologia innovadora para reducir, la contaminacion de las fuentes superficiales de agua; proteger la salud de los habitantes y evitar el deterioro del medio ambiente; asi como involucrar a la poblacion en su Plan de Desarrollo Sostenible al 2015 del distrito de Lacabamba y participe activamente en los programas de sensibilizacion y capacitacion del proyecto de Investigacion.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".