MétaCan
Menu
Retour à la cohorte
Enregistrement W3135512196 · doi:10.17975/sfj-2020-011

Minimizing the Use of Polyethene inside Paper Coffee Cups

2020· article· en· W3135512196 sur OpenAlexvenueno aff
Romina Mahinpei

Notice bibliographique

RevueSTEM Fellowship Journal · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceOperations managementEngineering

Résumé

récupéré en direct d'OpenAlex

Although made of paper, most coffee cups are not recycled because of the polyethene covering their internal surface area (1, 2). Instead, they are sent to landfills where they break down into microplastics and negatively impact organisms after entering the food chain (2, 3). This is an especially alarming issue due to the extensive usage of paper coffee cups around the world. As a result, many global companies have been searching for an eco-friendly cup that eliminates the use of polyethene, a challenge that remains unresolved to this day (9). While the search continues, many businesses have relied on temporary strategies to reduce polyethene production until a design that eliminates its use is developed (9, 10, 11, 12). Two major methods include public awareness and promotion of reusable cups (2). However, these approaches have only resulted in minor changes due to their reliance on customer cooperation (2). To guarantee polyethene reduction, this report proposes a strategy that is independent of customer cooperation. This method determines the dimensions (i.e., height and bottom radius) that minimize the amount of polyethene needed to coat the internal surface area of a cup, while keeping the cup’s volume and lid size (i.e., top radius) the same. The resulting equation gives the surface area of the cup while the root to the first derivate of this equation corresponds to the optimal bottom radius. Using a derived equation for height, the optimal cup height is determined as well. To highlight its proper implementation, this strategy is applied to a Starbucks Grande coffee cup as a model for other companies to follow.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,101
Tête enseignante GPT0,241
Écart entre enseignants0,140 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSTEM Fellowship JournalMême sujetRecycling and Waste Management TechniquesTravaux en français237 207