Exploring the Current Challenges and Opportunities of Life Cycle Sustainability Assessment
Notice bibliographique
Résumé
Sustainability decision making is a complex task for policy makers, considering the possible unseen consequences it may entail. With a broader scope covering environmental, economic, and social aspects, Life Cycle Sustainability Assessment (LCSA) is a promising holistic method to deal with that complexity. However, to date, this method is limited to the hotspot analysis of a product, service, or system, and hence only assesses direct impacts and overlooks the indirect ones (or consequences). This critical literature review aims to explore the challenges and the research gaps related to the integration of three methods in LCSA representing three pillars of sustainability: (Environmental) Life Cycle Assessment (LCA), Life Cycle Costing (LCC), and Social Life Cycle Assessment (S-LCA). The challenges and the research gaps that appear when pairing two of these tools with each other are identified and discussed, i.e., the temporal issues, different perspectives, the indirect consequences, etc. Although this study does not aim to remove the shadows in LCSA methods, critical research gaps are identified in order to be addressed in future works. More case studies are also recommended for a deeper understanding of methodological trade-offs that might happen, especially when dealing with the consequential perspective.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,050 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,014 | 0,026 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».