MétaCan
Menu
Retour à la cohorte
Enregistrement W2037615246 · doi:10.5539/jsd.v5n10p60

Building and Endangering Urban Landscapes: the Case of Construction Wastes in Bamenda Cameroon

2012· article· en· W2037615246 sur OpenAlexvenueno aff
Lawrence F. Fombe, Melvis D. Ntani

Notice bibliographique

RevueJournal of Sustainable Development · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueRecycled Aggregate Concrete Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReuseObsolescencePopulationUrbanizationBusinessEnvironmental planningToxic wasteWaste managementConstruction wasteGeographyEngineeringEconomic growth

Résumé

récupéré en direct d'OpenAlex

Building and construction is an ongoing process in urban landscapes given the available technology, obsolescence in buildings and the need to improve on the urban scenery. This activity is however accompanied by the generation of huge amounts of degradable and non-degradable wastes which if not well managed can constitute an eyesore and a potent danger to the urban population. Construction waste can also be of immense economic benefits to the population and the construction industry because it can be salvaged, recycled and reused. A random sampling of wastes generated at selected construction sites for ten neighbourhoods (two within the Central Business District (CBD) and eight at the periphery) in Bamenda town indicate that construction waste represents large amounts of material such as zinc, wood, iron rods, broken tiles, sand and plastic which is often illegally dumped by roadsides, river banks and building sites. Poor waste disposal/handling methods cause health and environmental problems such as flooding, and pollution in the municipality. While, such waste generate income and provide cheap equipment/material to the population and construction industry through informal recycling and reuse for other purposes, there is need for improved management as part of a growing movement toward sustainable city development due to increasing population and urbanization.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0080,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,005
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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'étudeObservationnel
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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetRecycled Aggregate Concrete PerformanceTravaux en français237 207