MétaCan
Menu
Back to cohort
Record W7028175747

Estudo comparativo da utilização do IQA-NSF e IQA-CCME para análise da qualidade da água no Estado do Rio De Janeiro

2021· article· pt· W7028175747 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typearticle
Languagept
FieldEnvironmental Science
TopicWater Quality and Pollution Assessment
Canadian institutionsnot available
Fundersnot available
KeywordsQuality (philosophy)SanitationWork (physics)Sustainability
DOInot available

Abstract

fetched live from OpenAlex

Este trabalho teve como objetivo avaliar comparativamente o uso de dois índices de qualidade de água para gestão da qualidade da água no estado do Rio de Janeiro, a partir de dados de monitoramento disponibilizados pelo INEA - Instituto Estadual do Ambiente do Rio de Janeiro. Índices de qualidade de água são utilizados com o objetivo de caracterizar a qualidade de um corpo hídrico através da integração de diferentes parâmetros em um único valor, e sua utilização facilita o acompanhamento da qualidade de corpos hídricos ao longo do tempo, assim como a sua caracterização espacial; no entanto, a efetividade desse acompanhamento está diretamente associada à formulação dos índices. No presente trabalho foi realizada a comparação entre os resultados do IQA-NSF, desenvolvido pela National Sanitation Foundation dos Estados Unidos e utilizado atualmente por diversos órgãos brasileiros inclusive o INEA; e o IQA-CCME, desenvolvido pelo Canadian Council of Ministers of the Environment do Canadá. Partiu-se da premissa que o IQA-CCME poderia ser um indicador mais adequado para a caracterização da qualidade da água do que o IQA-NSF, uma vez que ele é calculado a partir da comparação entre os valores para cada parâmetro aferidos nos monitoramentos e o valor padrão ideal , geralmente baseado na legislação, dependendo do objetivo da caracterização da água. Para o presente estudo o padrão ideal foi baseado nos limites determinados pela Resolução CONAMA 357/2005 para água doce classe 2. Os dados secundários utilizados são de diversos pontos de monitoramento no estado no período entre 2014 e 2017. Após o cálculo foi realizada a análise da qualidade sinalizada pelos dois índices e comparação estatística dos resultados encontrados. Os resultados mostraram que existe correlação entre os dois métodos, e que o IQA-CCME pode ser utilizado para substituir o IQA-NSF, com a vantagem de apresentar um indicativo da qualidade em relação ao enquadramento proposto. O IQA-CCME também se mostrou mais sensível a variações de qualidade do que o IQA-NSF. A desvantagem do IQA-CCME é que para aplicá-lo são necessárias ao menos quatro campanhas de monitoramento e para um monitoramento tão inconstante como o do INEA isso pode ser uma grande limitação

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)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Scholarly communication, Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.457
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0740.016

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 head0.101
GPT teacher head0.356
Teacher spread0.255 · 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; both teacher heads agree on what is shown here.

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

Citations1
Published2021
Admission routes1
Has abstractyes

Explore more

Same topicWater Quality and Pollution AssessmentFrench-language works237,207