Financial Modelling Strategies for Social Life Cycle Assessment: A Project Appraisal of Biodiesel Production and Sustainability in Newfoundland and Labrador, Canada
Notice bibliographique
Résumé
Social Life Cycle Assessment (S-LCA) is a rapidly evolving social impact assessment tool that allows users to identify the social impacts of products along with their life cycles. In recent years, S-LCA methodologies have been increasingly applied to energy systems and resources with notable success yet with limited reliability and even less flexibility or geographic specificity. In response, this study develops a novel assessment tool, named the GreenZee model, to reflect the social impacts of products and their sustainability using local currency units. The model is developed through evaluating both qualitative and quantitative inputs that capture the perceived monetary value of social impacts. To demonstrate the operationalization of the model, we explore a hypothetical case study of the biodiesel industry in Newfoundland and Labrador (NL), Canada. Results indicate that biodiesel production in NL would have positive socio-cultural impacts, high cultural values, and would create employment opportunities for locals. Overall, the GreenZee model provides users with a relatively simple approach to translate a variety of qualitative and quantitative social impact inputs (as importance levels) into meaningful and understandable financial outputs (as strength levels). We argue that building and testing models such as the GreenZee are crucial to supporting more flexible approaches to life cycle assessments that need to address increasingly complex social categories, cultural values, and geographic specificity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».