Food waste supply and behaviour towards its alternative uses in Kampala city, Uganda
Notice bibliographique
Résumé
Abstract Solid waste management is a major challenge in sub-Saharan Africa in general and its food waste component is high and increasing with the rapidly increasing population. Survey data (class p1) collected from households, hotels, restaurants, schools and produce markets were analysed using descriptive and logistic regression analyses for insights into the types and amounts of food waste, and respondents’ attitudes and practices towards its collection, disposal and alternative uses. Households produce the highest amounts of food waste compared to institutions (hotels, schools and restaurants) and produce markets. In a week, about 96, 72, and 93% of all the respondents in households, institutions and produce markets respectively experienced food waste at least one to three times. On average, with a solid waste collection coverage of 45%, households, institutions and markets in Kampala can respectively supply 680, 80, and 8 t of food waste daily. Moulding, poor food storage, food leftovers, food expiry and excess food produce were the major reasons for condemning food to waste. Over 90% of the respondents recognized food waste as a problem, and as a resource especially for use in livestock feed production, and were willing to consume house crickets raised on feed from food waste. Lower levels of education (none, primary and secondary levels), unemployment, and being divorced at household level were positively associated with recognizing food waste as a resource [X2 (21, N = 209) = 137.77, p = < 0.0001] and re-use for alternative purposes [X2 (21, N = 209) = 47.44, p = 0.001] by households and institutions [X2 (14, N = 92) = 30.97, p = < 0.019]. Majority of the respondents were willing to donate food waste, especially married people and institutions that have been in existence for a period of 5–10 years.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».