MétaCan
Menu
Retour à la cohorte
Enregistrement W4283725948 · doi:10.46754/jssm.2022.06.010

QUANTIFICATION ASSESSMENT OF MUNICIPAL SOLID WASTE AS AN EVALUATION APROPOS OF SUSTAINABLE WASTE MANAGEMENT IN KUCHING

2022· article· en· W4283725948 sur OpenAlexaff
YU WEE LEE, Soh Fong Lim, TEO PANG CHOW, David Chua

Notice bibliographique

RevueJournal of Sustainability Science and Management · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensNuclear Waste Management Organization
Organismes subventionnairesUniversiti Malaysia Sarawak
Mots-clésMunicipal solid wasteCapital cityWaste managementSolid waste managementWaste collectionWaste streamEnvironmental scienceGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

The quantification and characterisation of municipal solid waste are indispensables for waste management forethought. This study quantified the municipal solid wastes from three principal council areas in Kuching, the capital city of Sarawak, Malaysia which are the Kuching South City Council, Kuching North City Hall and Padawan Municipal Council to evaluate and analyse the contemporary waste trend and differentiate between the waste streams. The municipal solid waste samples are amassed directly from the source location and categorised according to the socio-economic level of the sampling location sites. This study discovered that there is no significant difference in the waste composition trend generated by the residents in different residential areas. The composition of the solid wastes was found to vary in different socio-economic categories. Organic waste is found to be the highest waste component in all socio-economic groups. The top three municipal waste compositions from the residential areas are organic wastes (61.58% w/w), plastics (12.06% w/w) and nappies/sanitary napkins (11.67% w/w), which ranged from 44.57% to 72.08%. This study provides a recent waste trend database with a detailed analysis of the differences between the waste streams for sustainable waste management in Kuching.

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)0,020
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0200,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,003
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 Opus0,020
Tête enseignante GPT0,340
Écart entre enseignants0,321 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainability Science and ManagementMême sujetMunicipal Solid Waste ManagementTravaux en français237 207