MétaCan
Menu
Retour à la cohorte
Enregistrement W4387960211 · doi:10.4000/samaj.8820

Digitalization of Solid Waste Management

2023· article· en· W4387960211 sur OpenAlexaff
Marie‐Hélène Zérah, Barathi Nakkeeran, G.S. Mittal

Notice bibliographique

RevueSouth Asia Multidisciplinary Academic Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceGrievanceBusinessPsychological interventionPublic relationsProcess managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Digital interventions in urban governance are frequently viewed in a binary light. They are either lauded as game changers or criticized as being completely vacuous projects. Studying the ongoing implementation of a project on digitalizing the solid waste management (SWM) system in Mangaluru, this paper presents a new way of looking at digital infrastructure that is not a zero-sum calculation. The paper makes three arguments: (i) digitalization brings in several new private players to urban governance, who end up complicating an already fragmented system, (ii) digital solutions adopted are neither suited to the labor-intensive working conditions of the SWM sector nor are they sufficiently deployed to bring effective change, and (iii) the idea of a one-stop online grievance redressal system as a game changer is misplaced since it does not improve the trust deficit among the residents. Through highlighting these issues, the paper presents the possibilities of understanding digital interventions as evolving aspects of cities, where new systems do not completely replace the old systems but create contradictions, revealing gaps for the local governments to improve 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil0,559

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,264
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth Asia Multidisciplinary Academic JournalMême sujetSmart Cities and TechnologiesTravaux en français237 207