Environmental Policy in Managing E-Waste Recycling: Promoting a Clean Environment in Public Policy
Notice bibliographique
Résumé
Rapid internet-based technological developments have a tremendous impact on the production of electronic devices.The management of electronic waste or e-waste has become a problem for both developed and developing countries.In global scale, e-waste is the fastest growing waste, around 3-5% per year or about three times faster than normal household waste generation.Accordingly, Indonesian government classified e-waste as hazardous and toxic waste.Yet, Indonesia has not provided an adequate and comprehensive electronic waste management system.It is caused by lack of relevant environmental policy and regulations made specifically to handle e-waste management.This research aims to investigate the environmental regulations and the methods of managing e-waste and the role of the government in managing the recycling of e-waste by considering the intertwined interests to balance a clean environment in one side and economic growth on the other.By using an empirical juridical approach, the results showed that insofar the relevant regulation to cope with the problems is Government Regulation No. 101 of 2014 concerning Management of Toxic and Hazardous Waste.There are some provisions to manage e-waste in Indonesia such as by clinical processing methods, physical processing methods, biological processing methods and hazardous waste disposal method.However, in general electronic waste in Indonesia until now does not have clarity in management, regulation, and economic potential that can be worked on.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».