MétaCan
Menu
Retour à la cohorte
Enregistrement W2156679118 · doi:10.5539/jsd.v4n3p51

Economic Growth Decoupling Municipal Solid Waste Loads in Terms of Environmental Kuznets Curve: Symptom of the Decoupling in India

2011· article· en· W2156679118 sur OpenAlexvenueno aff
Anupam Khajuria, Takanori Matsui, Takashi Machimura

Notice bibliographique

RevueJournal of Sustainable Development · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKuznets curveEnvironmental degradationPer capitaDecoupling (probability)Per capita incomeEconomicsMunicipal solid wasteEnvironmental pollutionDeveloping countryNatural resource economicsEconomic growthEnvironmental scienceEnvironmental protectionPopulationEngineering

Résumé

récupéré en direct d'OpenAlex

The Environmental Kuznets curve is a hypothetical relationship between various indicators of environmental degradation and income per capita. In the early stages of economic growth degradation and pollution increases, but beyond some level of income per capita it tends to reverse, so that at high economic growth leads to environmental improvement. This implies that the environmental impact indicator is an inverted U-shape with income per capita. With respect of the income, hypothetical turning point would eventually occur with the characteristic of Environmental Kuznets Curve (EKC). . India also serves a kinds of improvement or opportunities that could be pursued in other developing countries. This article focuses mainly on evidence of decoupling between economic growth and municipal solid waste generation in developing countries such as India, in which relevant data are more readily available. India is an interesting subject of study because of its large territory, rapid economic growth and differentiated regions. In the first phase, this article analyzes the course of GDP per capita with municipal solid waste generation from 1947 to onwards to 2004. In this article in the second phase, regression analysis among the municipal solid waste management factors is conducted on state wide data set in order to find the key stage for efficient environmental improvement.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,196
Écart entre enseignants0,183 · 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 tête enseignante, pas un consensus.

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

Citations11
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207