MétaCan
Menu
Retour à la cohorte
Enregistrement W2019051438 · doi:10.1109/isee.2007.369395

Mobile phone take back learning's from various initiatives

2007· article· en· W2019051438 sur OpenAlexaboutno aff
Pia Tanskanen, E. M. Butler

Notice bibliographique

RevueProceedings of the ... IEEE International Symposium on Electronics and the Environment · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationDirectiveMobile phoneEuropean unionBusinessVariety (cybernetics)Latin AmericansPhoneMember stateEnvironmental economicsProduct (mathematics)EngineeringTelecommunicationsEconomic policyComputer scienceMember statesLawEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Takeback of obsolete electronics products has been in the focus of the environmental discussions for nearly 10 years. The European Union has published the WEEE directive which is implemented now in nearly all EU27 countries. In addition to The EU, the State of California has passed similar legislation with 34 additional states considering take back legislation. The trend continues in Canada, China and Latin America. The driving force for this is the increasing amount of consumer electronic products in the world and the desire to direct those products at the end of life to responsible recycling instead of landfill. Mobile phones are rich in metals and other natural resources allowing for economically viable recycling capturing resources such as gold, platinum, palladium and copper. One of the bottlenecks in the recycling chain has been the low return rates of the used products at the end of useful life. Consumers tend to want to keep the old products or are unaware of the take back vehicles available to them. This paper presents case studies from two countries where a variety of take back initiatives for mobile phones are in place. Raising awareness and providing easy take back options are explored as key factors in increasing the return rate of used electronics devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,001
Communication savante0,0050,002
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,212
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... IEEE International Symposium on Electronics and the EnvironmentMême sujetRecycling and Waste Management TechniquesTravaux en français237 207