Household-Level Strategies to Tackle Plastic Waste Pollution in a Transitional Country
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As one of the world’s fastest-growing economies, Vietnam is tackling environmental pollution, particularly plastic waste. This study contributes to the literature on environmental culture and practical solutions by better understanding households’ behaviours and motivations for (i) sorting waste, (ii) contributing to the environmental fund and (iii) relocating. The questionnaire-based interview method was used to randomly collect information from 730 households in 25 provinces in Vietnam during February 2022. Bayesian regression models, coupled with the mindsponge mechanism, were applied to analyse the data. The results showed that people’s strategies and responses to plastic waste pollution vary: 38.63% of respondents were sorting waste at home, 74.25% of households agreed to contribute to the environmental fund, and 23.56% had a plan to relocate for a better living place. The households’ strategies and intentions were driven by several structural and contextual factors such as age of household head, income, care about the environment, and the perceived effects of polluted waste. More importantly, communication was a robust variable in sorting waste decisions, which suggested that better communication would help increase people’s awareness and real actions in reducing plastic waste and ultimately improving the environment. These findings will benefit the ongoing green economy, circular economy, and green growth transition toward more sustainable development, particularly in developing and fast-population-growing countries.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle