The Need for Mandatory Academic Laboratory Sustainability Training – A Fume Cupboard Case Study
Notice bibliographique
Résumé
While scientific research is paramount to understanding the solar system, ecosystem, human disease and cures (etc) it continues to contribute to human-caused climate change. Scientists are becoming increasingly aware of the carbon footprint associated with their research and recognise the need to work more efficiently with their resource use and laboratory operations. University laboratories are spaces that allow for research to be carried out safely, however, they consume five times more energy per square meter than office buildings. Fume cupboards are amongst the most energy intensive equipment and thus are a dominant factor when working towards creating safer and greener laboratories. In this paper, we report on the gas, electricity, carbon and financial savings derived by upgrading 105 constant air volume fume cupboards to variable air volume systems. We also report on the frequency of fume cupboard use by research staff, postgraduate students, and their overall understanding of fume cupboard best practice operations. The results reflect that while savings were achieved, they were lower than predicted. A factor to this may be poor student and staff understanding of how fume cupboards work resulting in their incorrect usage, therefore hampering sustainable progression. This study highlights that a major gap exists between laboratory technical upgrades and researcher awareness of proper and safe equipment use and operation. To overcome this, we propose that in addition to health and safety training, mandatory laboratory sustainability operations training should be provided to all laboratory users.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».