Réactions de la demande en eau des ménages aux méthodes de conservations liées aux prix et non liées aux prix
Bibliographic record
Abstract
Le Canada possède d’abondantes ressources d’eau : environ 7 % de l’eau fraîche renouvelable du monde pour moins de 1 % de la population mondiale. Cependant, la pression exercée sur la ressource ne cesse de grimper. En effet, les retraits d’eau annuels ont augmenté de près de 90 % au cours des 20 dernières années, faisant du Canada le deuxième consommateur d’eau par habitant au monde. Les gestionnaires des services d’eau veulent mettre en place des stratégies de conservation qui assureront une utilisation plus durable des réserves d’eau disponibles, en particulier face à la variabilité croissante des précipitations attribuable aux changements climatiques. Ils ont de plus en plus recours à des méthodes liées aux prix (augmentation du prix de l’eau) plutôt qu’à des méthodes plus traditionnelles non liées aux prix (restrictions estivales en matière de consommation d’eau) pour encourager la conservation. Cependant, il existe peu d'information sur la réaction de la demande des consommateurs face aux changements dans les prix. Ce projet de recherche vise entre autres à établir l’efficacité de méthodes liées aux prix pour réduire la consommation d’eau. Un deuxième enjeu ciblé par cette recherche concerne la façon d’intégrer, d’une part, la réaction aux prix dans la capacité de prédire la demande future en eau et, d’autre part, des flux de rentrées qui financeront l’entretien et l’amélioration des infrastructures à l’avenir.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 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 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".