The hazards, treatment measures and sustainable development of electronic waste
Notice bibliographique
Résumé
Abstract The faster upgrading and the rising consumer’s demand for electrical and electronic equipment (EEE) results in an ever-increasing number of waste electrical and electronic items (WEEE), which became a severe pollution problem at both local and global scales. This paper presents the current six categories of EEE that are widely used for electronic waste (E-waste) management worldwide and the major component of E-waste: non-hazardous materials, heavy metal, and persistent organic pollutants (POPs). To learn about E-waste’s negative impacts on both environment and the human body, this paper will show the specific polluting route in air, water, and soil. Those pollutants would affect the environment through burning and directly released into the air, penetrating and leaking into water and soil. The polluted environment and the poor sanitary conditions will further destroy people’s health. This paper shows and summarizes the development of current E-waste management, from direct landfill to chemical disposal, to today’s eco-friendly way--bioleaching. Future E-waste disposal technology needs to become more environmentally friendly and more efficient for reusable material recovery. Therefore, we hope that E-waste management can closely connect with Sustainable Development Goals (SDGs). We need to apply SDGs into every aspect of E-waste management, which can significantly reduce the adverse effects of E-waste and be beneficial for the electronic industry.
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 | 0,001 | 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».