MétaCan
Menu
Retour à la cohorte
Enregistrement W2949842344 · doi:10.1016/j.rcrx.2019.100004

Assessing barriers to reuse of electrical and electronic equipment, a UK perspective

2019· article· en· W2949842344 sur OpenAlexfundno aff
Christine Cole, Alex Gnanapragasam, Tim Cooper, Jagdeep Singh

Notice bibliographique

RevueResources Conservation & Recycling X · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilSvenska Forskningsrådet FormasTrent UniversityNottingham Trent University
Mots-clésReuseBusinessStakeholderCircular economyProduct (mathematics)Perspective (graphical)Resource (disambiguation)Knowledge managementMarketingComputer scienceEngineeringPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper reports on research undertaken to identify generic and specific barriers to reuse of electrical and electronic equipment (EEE). Thirty semi-structured interviews were conducted with experts from across the value chain including product designers, manufacturers, users and waste managers as well policy makers and academics. The interviews sought to examine perceived and real barriers to reuse in the UK. Three inter-connected factors that limit opportunities and instances of reuse of electrical and electronic equipment were identified, highlighting that both systemic and consumer barriers to increasing levels of reuse exist. These are: producer reluctance, unsuitable collection infrastructure and cultural issues. Overall, the paper shows that low levels of reuse in the electrical and electronic sector are a result of complex and interlinked barriers. Understanding these connections offers the potential to improve the opportunities for reuse, by providing direction for policy makers to address barriers from a multi stakeholder perspective. Increasing instances of reuse is essential if the UK is to successfully move towards a resource efficient, circular economy.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 GPT0,272
Écart entre enseignants0,260 · 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'étudeQualitatif
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

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResources Conservation & Recycling XMême sujetRecycling and Waste Management TechniquesTravaux en français237 207