MétaCan
Menu
Retour à la cohorte
Enregistrement W2170767163 · doi:10.1109/isee.2007.369399

A Comparison of North American Electronics Recycling Systems

2007· article· en· W2170767163 sur OpenAlexaboutno aff
Jeremy Gregory, Randolph Kirchain

Notice bibliographique

RevueProceedings of the ... IEEE International Symposium on Electronics and the Environment · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceConsolidation (business)Data collectionCash flowManagement systemCLARITYOperations researchBusinessOperations managementEngineeringFinance

Résumé

récupéré en direct d'OpenAlex

A framework for evaluating the economic performance of a recycling system is proposed and data from four electronics recycling systems in North America (Alberta, California, Maine, and Maryland) that use different operating models are used as a preliminary test of the framework. The framework is built around a hierarchy of descriptors that clarify the function of the system components under consideration and the activities, cash flow elements, and resources within those functions; costs are incurred by specific stakeholders. Data from each system on fee and mass collection amounts and collection, processing, and management costs are used to create a matrix of several net costs for stakeholders within each system. The framework and the net cost matrices add clarity to the way stakeholders economically interact in a recycling system, the types of costs they incur, and the activities that drive those costs. Although all four systems are relatively new, thereby making data collection a challenge, some preliminary insights can be gleaned from comparing the systems. Processing costs vary significantly in the four systems, with Alberta and California having the highest reimbursement rates for processing. Alberta and California also have relatively high system management costs, but processors are generally quite satisfied with the systems. Maine has an additional cost for consolidation that is an implicit management cost because of the need to count incoming products by manufacturer.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,551

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,248
Écart entre enseignants0,239 · 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

Citations22
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... IEEE International Symposium on Electronics and the EnvironmentMême sujetExtraction and Separation ProcessesTravaux en français237 207