MétaCan
Menu
Retour à la cohorte
Enregistrement W3215086803 · doi:10.26443/glsars.v1i1.150

Smart-City Regulation

2021· article· en· W3215086803 sur OpenAlex
Li Tian

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueMcGill GLSA Research Series · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal and Policy Issues
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMegacityChinaBeijingPopulationBusinessEconomic growthGeographyAgricultural economicsEnvironmental planningEconomyEconomicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Consider that 26.3 million people live in Shanghai and 20 million live in Beijing as of 2019. Now consider that these 46.3 million people live within an area of approximately 23,000 km². By comparison, Canada’s population in 2019 was 37.6 million and the area of Canada is approximately 10 million km². China is on the leading edge of smart-city projects because population density gives it little choice. China must take bold steps in terms of both technology and regulation to cope with the demands for social management, which these megacities create. Accordingly, about half of the Smart City Projects globally are in China. 
 Many smart cities pilot projects are underway across China addressing many infrastructures and other organizational concerns. One such organizational concern is coping with the solid waste generated in cities. China produces more than 300 million tons of solid waste per year, and much of it comes from its cities.
 
 This research project explores China's food and beverage delivery online platforms and the waste they cause. In 2019, this industry has developed rapidly, generating economic activity valued at ¥ 653.6 billion that year ($CAD 121 billion). Out of a total population of 1.4 billion, 460 million people are currently consumers of these online platforms. Most of these consumers live in China’s megacities. This consumption is not projected to decrease post-pandemic. The problem is that solid waste from this industry in 2019 weighed approximately 2.7 million tons.
 
 This paper analyzes reasons why the online food take-out industry has caused a plastic waste surge from the perspective of China's environmental legislation, law enforcement efficiency, and recycling subsidies. At the same time, through the case study of the German Packaging Law, this paper suggested on the management and recycling of Chinese take-out packaging were put forward.
 
 The Chinese government has issued national standards for the design and construction of smart cities. This paper explores how to use legal governance and supervision in smart city design and operation to assist in implementing environmental regulations to control the take-out waste. The take-out waste problem does not only exist in China. Almost all major cities in the world are facing this problem. China's experiences may provide a new path for the city's solid waste disposal and other environmental issues and lead the cities to explore more environmental protection possibilities.

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.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,232
Tête enseignante GPT0,479
Écart entre enseignants0,247 · 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