MétaCan
Menu
Retour à la cohorte
Enregistrement W3171927197 · doi:10.6000/1929-4409.2021.10.123

Regulatory Reconstruction of Waste Management to Achieve Efficient and Sustainable Environmental Management

2021· article· en· W3171927197 sur OpenAlexvenueno aff
Moh. Sidik, Edy Lisdiyono

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal and Policy Analysis in Indonesia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessGovernment (linguistics)Work (physics)Sustainable managementSustainable developmentEnvironmental planningWaste managementEnvironmental resource managementSustainabilityEngineeringEconomicsEnvironmental sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

One of the fundamental problems related to environmental management that continues to receive attention is waste. Likewise, waste management is still a serious problem faced by Pemalang, Central Java. This study seeks to discuss the reconstruction of waste management regulations in Pemalang Regency, Central Java, Indonesia. The results showed that the prevailing regulation is suboptimal and inefficient due to the presence of two concurrent waste management sectors, i.e., public work and environmental department. Besides, the community's low participation at the village level also hinders waste management. Therefore, waste management regulation reconstruction is necessary to address the issues of waste management in Pemalang Regency. The results of the present study highlight the legal aspects and demonstrated the reconstruction of the waste management regulation in Pemalang Regency to obtain sustainable and efficient environmental management. The result of the study showed that waste management could be optimized by focusing on one sector, i.e., the environmental department. In addition, the subdistrict or village government should be given the authority to participate in managing waste, which will create a synergy between the government and the community.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,431
Score d'incertitude au seuil0,229

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,294
Écart entre enseignants0,276 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetLegal and Policy Analysis in IndonesiaTravaux en français237 207