Low-Cost Strategies to Improve Municipal Solid Waste Management in Developing Countries: Experimental Evidence from Nepal
Notice bibliographique
Résumé
Abstract Many cities in developing countries lack adequate drainage and waste management infrastructure. Consequently, city residents face economic and health impacts from flooding and waterlogging, which are aggravated by solid waste infiltrating and blocking drains. City governments have recourse to two strategies to address these problems: a) ‘hard’ infrastructure-related interventions through investment in the expansion of drainage and waste transportation networks; and/or, b) ‘soft’, low-cost behavioural interventions that encourage city residents to change waste disposal practices. This research examines whether behavioural interventions, such as information and awareness raising alongside provision of inexpensive street waste bins, can improve waste management in the city. We undertook a cluster randomized controlled trial study in Bharatpur, Nepal, where one group of households was treated with a soft, low-cost intervention (information and street waste bins) while the control group of households did not receive the intervention. We econometrically compared baseline indicators – perceived neighbourhood cleanliness, household waste disposal methods, and at-source waste segregation – from a pre-intervention survey with data from two rounds of post-intervention surveys. Results from analysing household panel data indicate that the intervention increased neighbourhood cleanliness and motivated the treated households to dispose their waste properly through waste collectors. The intervention, however, did not increase household waste segregation at source, which is possibly because of municipal waste collectors mixing segregated and non-segregated waste during collection. At-source segregation, a pre-requisite for efficiently managing municipal solid waste, may improve if municipalities arrange to collect and manage degradable and non-degradable waste separately.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».