Determinants of Household Waste Segregation in Gorkha Municipality, Nepal
Notice bibliographique
Résumé
Municipal solid waste management is a huge challenge specially in the developing countries. The first and fundamental step to solve the problem of municipal solid waste management is by waste segregation at source and separate collection of waste, which will help to recover recyclable materials and reduce the amount of waste that needs to be disposed at the dumpsite or landfill site. In Nepal, waste segregation at source is mandated by law but the government is not able to implement it successfully. This paper assesses the willingness of the households to practice waste segregation in future if the government enforces the law and various factors that influences the practice. Data was collected from 401 households which was selected using stratified sampling technique from all the municipal wards, the lowest administrative units in Nepal. The finding shows that about 67% of the respondents are willing to segregate waste in future if the government enforces the law. Logit regression model was employed to identify the factors that influence waste segregation practice. The significant variables found from this study are environmental awareness, waste collection service, willingness to pay, make compost, and segregated waste for a week variables, which are statistically significant at 1% level of significance. Income variable is significant at 5% level of significance and gender variable is significant at 10% level of significance. It is recommended that the concerned stakeholders should educate the households on the importance of waste segregation and consider these traits of households before enforcing the law.
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 | 0,000 |
| 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 ».