MétaCan
Menu
Retour à la cohorte

ENVIRONMENT-BASED DESIGN (EBD) APPROACH TO IDENTIFY CRITICAL ISSUES IN MANAGING MUNICIPAL SOLID WASTE: NAIROBI, KENYAN CASE STUDY

2021· article· en· W3198560570 sur OpenAlexaff
Wenhang Du, Jiami Yang, Hua Ge, Jun‐Juh Yan, Nadia Bhuiyan, Xizhao LIU, Fengjiao Zhou, Yong Zeng

Notice bibliographique

Revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)KenyaEnvironmental planningBusinessRisk analysis (engineering)EngineeringComputer scienceGeographyPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Abstract. As the urban population grows and the global economy develops, municipal solid waste management (MSWM) has become an increasingly prominent global issue. MSWM is particularly difficult in developing countries due to its high cost and time-consuming nature. The Environment-based design (EBD) can potentially contribute to global MSWM by reducing costs and increasing efficiency, especially in helping developing countries identify critical issues in MSWM. This paper uses and demonstrates the effectiveness and efficiency of the EBD method to analyze and identify critical issues in MSWM, using the city of Nairobi as a case study. This paper contains the first two of EBD's three activities: environment analysis and conflict identification, during the design problem period, design knowledge, and design solutions simultaneously and interdependently evolve as a part of the environment. The comparison with the existing literature confirms that the conclusions reached are, to some extent, reliable, time-saving, and less costly, which will offer a possibility to solve the problem of MSWM in impoverished areas.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,026
Tête enseignante GPT0,297
Écart entre enseignants0,271 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciencesMême sujetSustainable Building Design and AssessmentTravaux en français237 207