MétaCan
Menu
Retour à la cohorte
Enregistrement W2901057355 · doi:10.14295/2238-6416.v73i2.672

Caracterização dos resíduos sólidos gerados em laticínios

2018· article· pt· W2901057355 sur OpenAlexaff
Antônio Iranaldo Nunes Leite, Rayane Campos Alves, Fernanda Damasceno Soares, Marcelo Henrique Otênio, Vanessa Romário de Paula

Notice bibliographique

RevueRevista do Instituto de Latícinios Cândido Tostes · 2018
Typearticle
Languept
DomaineEnvironmental Science
ThématiqueEnvironmental Sustainability and Education
Établissements canadiensNortel (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesChemistryPhysicsPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Environmental awareness is increasingly inserted in the consumer’s choices. The concern to meet this demand has driven companies to seek the adequacy of their processes and routines. This study aims to carry out a survey of the solid residues generated in the dairy industry and the respective treatments and the final disposal. Twenty-two (22) industries from different regions of Brazil were invited to participate, classified according to size and potential pollutant. Seven (7) dairy industries were located in the Southeast, 3 (three) in the South, 3 (three) in the Midwest, 3 (three) in the North, 7 (seven) in the Northeast. A structured electronic questionnaire was elaborated according to the class division of the residues: common, chemical and biological, and sent to the dairy. The answers showed that the dairy industries, regardless of the volume of processed milk with intrinsic characteristics, frequency and volume generated, do not have residue management in their routines. This study demonstrates the current state of how dairy industries address this issue and highlight the need for these industries to adapt to environmental issues. Based on current solid waste legislation, the dairy industry should seek to adapt and integrate sustainable technologies into its processes and routines. The adoption of these practices has a direct and positive influence on the marketing and commercialization of the company.

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 GPT0,264
Écart entre enseignants0,252 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista do Instituto de Latícinios Cândido TostesMême sujetEnvironmental Sustainability and EducationTravaux en français237 207