Willingness to pay for drinking water in the Sahara : the case of Douentza in Mali
Bibliographic record
Abstract
Consentement à payer pour de l'eau potable au Sahara : le cas de Douentza au Mali La présente étude compare deux méthodes de prévision du consentement à payer pour de l'eau potable dans des systèmes d'adduction en région semi-urbaine au Sahara. Les deux modèles sont estimés en fonction des caractéristiques hypothétiques de divers points d'adduction possibles. Le premier modèle, reposant sur une régression multiple, prévoit la somme d'argent qu'un ménage consentira à payer pour chaque seau d'eau potable provenant d'une source donnée. Le second modèle, employant une spécification de type logit, vise à expliquer la décision d'acheter ou non de l'eau potable. Les deux approches reposent sur le modèle de prix complets tel que proposé par la théorie de la demande. Ce modèle explique la quantité d'eau demandée en fonction des prix et du coût d'opportunité du temps affecté à la consommation. Dans nos modèles empiriques, la variable explicative qui s'avère la plus significative est la proximité de la nouvelle source prévue divisée par la distance à la meilleure source existante.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".