What’s the Dirt on Composting? An Exploration on Improving Personal Composting for Residents Living in Downtown Toronto High Rises
Notice bibliographique
Résumé
<p>Composting is an effective way for anyone to divert their organic waste from landfills. Unfortunately, in high density cities, such as Toronto, composting rates can be as low as 22% (Government of Canada, 2015). This is an opportunity to make a positive impact on the planet while making a simple change. The literature that supports improving composting is focusing on how compost works and what can be done to improve the process, how education and convenience plays a role, and can design thinking help solve improving composting by approaching the problem as a design problem. This study asks residents living in downtown Toronto what their composting habits are like whether they compost. First the participants were given a survey then had a follow up interview that would give a deeper understanding to how composting can be a challenge and how they feel it can be improved. The common theme among the participants was they needed better education on what goes in the composting bin, transparency with how the city handles the compost waste, and improving convenience of the compost waste disposal. A proposed solution is an app that helps the user compost despite whatever their current situation is. For example, if a user does not know what goes in their compost bin, the app will clearly list what goes in the bin depending on what region they live in.</p>
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».