MétaCan
Menu
Retour à la cohorte
Enregistrement W3017308444 · doi:10.1680/jenes.20.00021

Briefing: Sustainable Management of Municipal Solid Waste without Food Waste

2020· article· en· W3017308444 sur OpenAlexvenueno aff
Jay N. Meegoda, Bruno Bezerra de Souza

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMunicipal solid wasteFood wasteWaste managementIncinerationBusinessMobile incineratorEnvironmental scienceWaste collectionRefuse-derived fuelMechanical biological treatmentEngineering

Résumé

récupéré en direct d'OpenAlex

This paper discusses the feasibility of sustainable management of municipal solid waste without food waste. Many governments, states and cities are aware of the adverse impacts of food waste on the management of municipal solid waste. Biological contamination is the main issue when dealing with municipal solid waste. Hence, the absence of food waste opens up a window of opportunity for enhanced recovery of resources from municipal solid waste before or after landfilling. In order to relate the above, the paper first discusses the global significance of food waste and how it is managed. Then, it discusses the negative effects of food waste on landfill operation and probable solutions for managing food waste. Without biological contamination due to food waste and based on the average composition of municipal solid waste, the paper promotes enhanced recycling and sending the balance to a landfill or incinerator for recovery of the remaining resources. The paper suggests that municipal solid waste without food waste offers a new opportunity for sustainable management of solid waste to yield a prosperous, environmentally sustainable and healthy society.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0190,006
Charge utile insuffisante (le modèle a refusé de juger)0,0170,011

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 Opus0,010
Tête enseignante GPT0,192
Écart entre enseignants0,182 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207