Worker health in formal electronic waste recycling plants
Notice bibliographique
Résumé
Purpose This article explores the protective measures and the occupational health and safety (OHS) prevention strategies in place in the formal electronic equipment recycling (e-recycling) industry, more specifically in the Greater Montreal area (Quebec, Canada) and their consequences: health inequalities and level of compliance with environmental standards. Design/methodology/approach Semi-structured interviews were conducted using two respondent-specific questionnaires, one for workers and one for supervisors. Data collection and analytic procedures drew from qualitative content analysis. It was tempted to identify differences in OHS practices in relation to the workers' employment status and to link the companies' OHS concerns to their level of compliance with environmental standards. Findings The article highlights specific OHS issues in the formal e-recycling industry. Enforcing compliance with environmental standards as a lever for promoting OHS appears to be a promising strategy. Another main finding was the workforce diversity and related OHS vulnerabilities in this industry and the challenges they pose to employers' ability to adequately and equally reach and protect all workers involved. Originality/value To date, too little attention appears to have been paid to working conditions and worker protection in this rapidly growing sector. Specific prevention programmes could be implemented and adapted to the industry's diverse workforce and its multiple OHS vulnerabilities. This issue calls for the international community to take responsibility, as many electronic waste (e-waste) generated worldwide is shipped to developing countries, where lack of regulation and control is much more striking in a sector that remains very largely informal.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».