MétaCan
Menu
Retour à la cohorte
Enregistrement W4237489996 · doi:10.32920/ryerson.14664867

The application of best available technology in dealing with Ontario's waste electric and electronic equipment : a case study

2021· preprint· en· W4237489996 sur OpenAlexaboutno aff
Jonathan Pryshlakivsky

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfitability indexElectronic equipmentRevenueIncentiveVolatility (finance)BusinessElectronicsEnvironmental economicsElectronic wasteInvestment (military)Operations managementEngineeringFinanceEconomicsWaste managementElectrical engineeringMarket economy

Résumé

récupéré en direct d'OpenAlex

This study seeks to inquire into the impacts of pursuing a comprehensive Waste Electrical and Electronic Equipment (WEEE) program similar to the system in the European Union in the Province of Ontario. O. Reg. 393/04 WEEE seeks to establish a weight-based system of recycling end-of-life (EOL) electronics. BAT revenue projections would make for a profitable endeavour across the first five years of the program, with reductions in pollution and operating costs from primary ore refinement. Sensitivity analysis reveals that the BAT scheme profitability exceeds the "do nothing" option across all price ranges (including worst case scenarios), while, at the same time, results in increased susceptibility to market volatility. A cost-effectiveness study showed that the investment in a new integrated smelting operation would still be more cost-effective than the "do nothing" option. This study points to the need for further research into market incentives regarding the amount of collected electronic waste.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,466
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExtraction and Separation ProcessesTravaux en français237 207