MétaCan
Menu
Retour à la cohorte
Enregistrement W4392805439 · doi:10.53555/sfs.v10i1.2336

Examining GIS Methodologies and Their Diverse Applications in Solid Waste Management

2023· article· en· W4392805439 sur OpenAlexvenueno aff
Ankit Singh, Vivek Anand, Sabhilesh Singh, Anirudh Sharma

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSolid waste managementEnvironmental planningMunicipal solid wasteBusinessEnvironmental scienceEnvironmental resource managementWaste managementComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Geographical information systems, or GIS, have been widely advocated for use in the management of solid waste (SWM) in several major cities throughout the globe. Making decisions in an environmentally friendly waste operation method is difficult, time-consuming, and complicated since competing interests are always in play. GIS plays a crucial role in streamlining and making sustainable SWM easier to implement. It's a crucial instrument that, by providing greater information, can assist in minimizing value conflicts between preference and interest parties. The basic concepts relating to how GIS is used in SWM management are covered in this chapter. The first several sections discuss sustainability SWM planning, its difficulties, and issues with the ineffectiveness of its planning. The concepts of GIS, its development in SWM, were examined, as well as how it's connected with multi- criteria evaluation. The GIS's role in waste collection optimization and trash disposal planning are covered in the last sections. Therefore, the main goal of this part is to support decision-makers in the domain so they may use it to address the ongoing issues of SWM

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)0,007
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,373
Tête enseignante GPT0,337
Écart entre enseignants0,035 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetMunicipal Solid Waste ManagementTravaux en français237 207