What Remains Unsolved in Sub-African Environmental Exposure Information Disclosure: A Review
Notice bibliographique
Résumé
Background: Africa comprises the bulk of struggling economies. However, Sub-Saharan Africa is experiencing rapid industrialization and urbanization. Excessive resource use, pollution, and the absence of relevant environmental disclosure are factors that contribute to these human-made damages. Environmental pollution as a threat to sustainable development results from these damages. Although it has been established that Sub-Saharan Africa would benefit from resource-management development, sustainable environmental strategies, and a reduction in urbanization and persistent poverty, the information on these issues has not been made public. Objective: To provide a full account of the level of environmental-exposure disclosure in Sub-Saharan African countries, including the current level of progress, gaps, and prospects, we reviewed the literature on environmental exposure information research in African populations. Methodology: We searched PubMed and Google Scholar for peer-reviewed research articles, reviews, or books examining environmental exposure and information disclosure in human populations in Africa. Results: In total, 89 full-text articles were eligible for the inclusion criteria. A quality assessment of the retrieved articles using the PRISMA guidelines resulted in the exclusion of 40 articles; therefore, 49 studies were included in the final analysis. In Sub-Saharan Africa, the environmental exposure information on household injuries, the use of chemicals such as pesticides in farming, industry-linked vectors and diseases, laboratory chemical exposure, industrial exposure, and epigenetic factors are not well-disclosed to the population. Conclusion: Environmental information disclosure standards should be incorporated into central-government policy recommendations. Standards should identify polluting industries, and companies should refrain from the voluntary disclosure of environmental information to manage their reputation. Heavy-pollution industries should be made sufficiently transparent to lessen the company–media collusion on information disclosure.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».