MétaCan
Menu
Retour à la cohorte
Enregistrement W4289667456 · doi:10.1139/er-2021-0117

Impacts of plastic waste management strategies

2022· article· en· W4289667456 sur OpenAlexvenueno aff
Levi T. Helm, Erin L. Murphy, Alexis McGivern, Stephanie B. Borrelle

Notice bibliographique

RevueEnvironmental Reviews · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlastic wasteSustainabilityPlastic pollutionContext (archaeology)BusinessCleaner productionProduction (economics)Environmental impact assessmentEnvironmental scienceWaste managementNatural resource economicsEnvironmental resource managementEnvironmental planningMunicipal solid wasteEnvironmental economicsPollutionEngineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

The ecological and societal impacts of plastics production, use, and waste are a complex global challenge. Management strategies to mitigate the impacts of plastics, such as recycling, waste-to-energy, and replacement with alternative materials have impacts of their own. Achieving long-term sustainability of plastics use therefore requires considering the externalized impacts of such management strategies. Here, we assessed the literature on the most common plastic waste management strategies to identify their impacts in relation to the sustainable development goals. We reviewed impacts of bans, levies, and taxes; alternative products; recycling; waste-to-energy; plastic recovery; and extended producer responsibility. Our analysis identified a total of 259 measured impacts of plastic waste mitigation strategies, from 113 papers. Ninety-three impacts were negative, 104 were positive, 11 were neutral, and 51 depended on the context of implementation. Consideration of the impacts of both plastic materials and management strategies is necessary to avoid perverse outcomes of plastic pollution mitigation efforts.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,809
Score d'incertitude au seuil1,000

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,010
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations47
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetMicroplastics and Plastic PollutionTravaux en français237 207