MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392917786 · doi:10.3390/su16062509

Precious Metals Recovery Process from Electronic Boards: Case Study of a Non-Profit Organization (QC, Canada)

2024· article· en· W4392917786 sur OpenAlexafffundabout
Caroline Blais, Anh Dinh, Éric Loranger, Georges Abdul-Nour

Notice bibliographique

RevueSustainability · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensPolytechnique MontréalUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésElectronic wasteSAFERBusinessElectronicsProcess (computing)Electronic equipmentProfit (economics)Investment (military)Environmental economicsCommerceWaste managementEngineeringComputer securityComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The growth in the consumption of electronic products in recent years has resulted in increasing electronic device waste. At the same time, there is a decrease in the availability of raw metals required to produce electronic boards. Recycling through the recovery of precious and critical metals contained in electronic board waste is a solution, but the processes need to be safer for the environment. This paper presents the steps that lead to investment in the development of an eco-friendly and cost-effective process for recovering precious metals from end-of-life electronic telecommunications cards. Social organizations can also become involved in the recycling of electronic cards, thus enabling the integration of marginalized people into society. We examine the case of a non-profit organization whose mission is to help people living with mental health problems through the recycling of end-of-life telecommunication devices. This recycling process must operate within constraints specific to this organization and to the employment of people with mental health issues. The literature review showed that considering ecological and economic factors, the hydrometallurgical process appeared to be a logical choice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,002
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,003
Tête enseignante GPT0,249
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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainability→Même sujetRecycling and Waste Management Techniques→Travaux en français237 207→