MétaCan
Menu
Back to cohort
Record W1556297502

ESTÃO OS AQUÍFEROS DA REGIÃO DE JURUBATUBA (SÃO PAULO) SOB RISCO?

2009· article· pt· W1556297502 on OpenAlexaff
A. M. Carvalho, B. P. Conicelli, R. Hirata, E. S. L’Apiccirella, M. D. Simonato, Jairo Campos, Gabriel Aguiar Rocha, C. Surita, A. M. Pillon, M. C. Abreu, R. Bertolo, E. Wendland

Bibliographic record

VenueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2009
Typearticle
Languagept
FieldEnvironmental Science
TopicRecycling and Waste Management Techniques
Canadian institutionsDiscovery Air (Canada)
Fundersnot available
KeywordsGeography
DOInot available

Abstract

fetched live from OpenAlex

Este trabalho objetivou avaliar a integração entre a vulnerabilidade dos aquíferos, através do método GOD, e a classificação das indústrias com potencial de degradar osolo e águas subterrâneas, pelo método POSH, tendo em vista o risco de desabastecimento público pela contaminação dos aquíferos. Embora existam trabalhos que avaliem o perigo de contaminação, este é um dos primeiros a validar essa metodologia no Brasil, a partir da análise de casos comprovados de degradação de aquíferos. Os resultados mostraram que os aqüíferos apresentam média a altavulnerabilidade devido aos elevados níveis freáticos e à litologia de média permeabilidade. O trabalho cadastrou 3.905 atividades potencialmente contaminantes, classificando 2.490 como de elevado índice. Para a avaliação dos perigos de contaminação, definida pela integração desses dois parâmetros, um novo método foi proposto e aplicado com sucesso. A região foi dividida em células de 500x500m e a densidade da ocupação industrial de elevado índice foi avaliada em cada uma delas. Isso permitiu identificar áreas onde existem perigos elevados, quando a alta densidade deatividades encontrava-se sobre aqüíferos vulneráveis. A avaliação individual das 84 áreas comprovadamente contaminadas da CETESB indicou que essas se localizavam nas áreas de maior perigo, mostrando o sucesso da metodologia desenvolvida.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.853
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0020.000
Scholarly communication0.0010.001
Open science0.0020.001
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.022
GPT teacher head0.255
Teacher spread0.233 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2009
Admission routes1
Has abstractyes

Explore more

Same venueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)Same topicRecycling and Waste Management TechniquesFrench-language works237,207