MétaCan
Menu
Retour à la cohorte
Enregistrement W2605769597 · doi:10.1080/09640568.2017.1305332

Convenience improves composting and recycling rates in high-density residential buildings

2017· article· en· W2605769597 sur OpenAlexafffund
Alessandra DiGiacomo, David W.–L. Wu, Peter Lenkic, Bud Fraser, Jiaying Zhao, Alan Kingstone

Notice bibliographique

RevueJournal of Environmental Planning and Management · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésCompostWaste managementEnvironmental scienceResidenceMunicipal solid wastePollutionEnvironmental engineeringEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Increasing volumes of solid waste, implicated in environmental pollution and health problems, are central to the current environmental crisis. In two randomized field experiments, we demonstrate that convenience dramatically boosts recycling and composting rates in multi-family dwellings and university residences. When compost bins were placed on each floor in a multi-family residence, instead of on the ground floor, composting rates increased by 70%, diverting 27 kilograms of compost from the landfill per unit per year. When recycling stations were placed just meters from suites in student residences, instead of in the basement, recycling increased by 147% (container), and 137% (paper), and composting increased by 139%, diverting 23, 22, and 14 kilograms of containers, paper, and compost, respectively, from the landfill per person per year. Simply making recycling and composting convenient can significantly increase waste diversion, and as such this single intervention has important implications for waste management and environmental policy.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,252
Écart entre enseignants0,240 · 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

Citations101
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Planning and ManagementMême sujetMunicipal Solid Waste ManagementTravaux en français237 207