Quantifying Domestic Used Electronics Flows using a Combination of Material Flow Methodologies: A US Case Study
Notice bibliographique
Résumé
This paper describes the scope, methods, data, and results of a comprehensive quantitative analysis of generation, stock, and collection of used computers and monitors in the United States , specifically desktops, laptops, CRT monitors, and flat panel monitors in the decade leading up to 2010. Generation refers to used electronics coming directly out of use or postuse storage destined for disposal or collection, which encompasses a variety of organizations gathering used electronics for recycling or reuse. Given the lack of actual statistics on flows of used electronics, two separate approaches, the sales obsolescence method (SOM) and the survey scale-up method (SSUM), were used in order to compare the results attained and provide a range for estimated quantities. This study intentionally sought to capture the uncertainty in the estimates. To do so, uncertainty in each data set was incorporated at each stage using Monte Carlo simulations for SOM and establishing scenarios for SSUM. Considering the average results across both methods, we estimate that in 2010 the U.S. generated 130-164 thousand metric tons of used computers and 128-153 thousand tons of used monitors, of which 110-116 thousand tons of used computers and 105-106 thousand tons of used monitors were collected for further reuse, recycling, or export. While each approach has its strengths and weaknesses, both the SOM and the SSUM appear to be capable of producing reasonable ranges of estimates for the generation and collection of used electronics.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».