MétaCan
Menu
Retour à la cohorte
Enregistrement W4281733222 · doi:10.18280/ijsdp.170318

Measuring the Economic Benefits for Reusing Organic Wastes in Generating Gas and Electricity to Create Self-Sustain City

2022· article· en· W4281733222 sur OpenAlexvenueno aff
Rania Rushdy Moussa

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReuseWaste managementElectricityBiogasEnvironmental scienceWaste-to-energyAnaerobic digestionBiodegradable wasteAnaerobic exerciseBusinessEnvironmental economicsMunicipal solid wasteEngineeringMethane

Résumé

récupéré en direct d'OpenAlex

Some cities in the Global South are challenging the adverse effects of accumulating waste, which pollutes the environment and affects public health. This research presents a solution to get rid of organic waste and reuse it to generate energy. The research methods included a two-stream approach of data collection in: a qualitative method of collecting data using a field survey in Egypt and a quantitative way of measuring the amount of energy generated from using anaerobic digesters. The results revealed that anaerobic digester tanks produced 396 more than the gas consumed by the community and covered 3.6% of the electricity needed. The findings compared the energy generated from storing organic waste in anaerobic digester tanks with the power consumed by citizens. The results indicated that Egypt has challenges managing organic waste and needs innovative policies to confront draining a large portion of the local economy and causing environmental hazards.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,217
Écart entre enseignants0,201 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetEnergy and Environment ImpactsTravaux en français237 207