Five recommendations to accelerate sustainable solutions in cement and concrete through partnership
Notice bibliographique
Résumé
Though the technical knowledge to make cement and concrete more sustainable already exists, implementation of solutions lags behind the rate needed to mitigate climate change and meet the targets set by the Sustainable Development Goals. Whilst most of the focus around the built environment is on embodied carbon, we stress an important but neglected dimension: partnership (SDG17). Effective partnerships can be powerful enablers to accelerate sustainable solutions in cement and concrete, and let such solutions transfer from academia to the market. This can be achieved through knowledge generation, solution implementation, and policy development, among other routes. In this article, we share five recommendations for how partnerships can address neglected research questions and practical needs: 1) reform Science, Technology, Engineering and Mathematics (STEM) education to train “circular citizens”; 2) map out routes by which cementitious materials can contribute to a “localization” agenda; 3) generate open-access maps for the geographical distribution of primary and secondary raw materials; 4) predict the long-term environmental performance of different solutions for low-CO2 cements in different geographical areas; 5) overhaul standards to be technically and regionally fit for purpose. These approaches have the potential to make a unique and substantial contribution towards achieving collective sustainability goals.
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 | 0,029 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,035 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,010 |
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 ».