Carbon and water conservation value of independent, place‐based repair in Lima, Peru
Notice bibliographique
Résumé
Abstract To what extent do repair and maintenance of consumer electronics conserve the materials and energy they embody? In this paper we examine the conservation value of a cluster of independent third‐party electronics repair businesses in Lima, Peru. Drawing on a combination of methods that include fieldwork, digital methods for online sociology, and life cycle assessment (LCA) of phones and tablets we quantify the conservation value of typical repairs performed at businesses in this cluster in terms of CO 2 equivalent (CO 2 e) and water consumption relative to new manufactures of the same categories of electronics. We model typical repair scenarios and find that repair can offer substantial conservation benefits. However, these benefits vary by device sub‐unit repaired (e.g., replacing a camera vs. replacing a display). For example, while two screen repairs through replacement is nearly equivalent to replacement with a whole new device, repairing with components that are already in the market could save around 10% of total emissions in global warming potential (GWP) for both devices. Further, we discuss the politics of attributing the conservation value achieved by the third‐party repair cluster in Lima to either domestic (that is, Peruvian) or foreign CO 2 e and water consumption. Whose conservation of CO 2 e and water is this? How do the answers to that question shape understandings of the relevance of location for industrial ecology? Our work contributes to the emerging subfield of political industrial ecology and its incorporation of spatially explicit LCAs.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
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 tête enseignante, 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 ».