CHARACTERISATION OF MACRO-PLASTIC WASTE ALONG THE PHILIPPINES' LONGEST COASTAL BOULEVARD: BASIS FOR SOLID WASTE MANAGEMENT AND POLICY FORMULATION
Notice bibliographique
Résumé
This study focused on the characterisation of macro-plastic waste in terms of types and quantities along the Philippines' longest coastal boulevard, considering density and cleanliness as a basis for solid waste management and policy formulation. Macro-plastic identification and counting were conducted in four (4) municipalities and eight (8) barangays using the standing stock survey method. There were six (6) types of macro-plastic waste, with the highest quantity consisting of beverage (37.2%) and food packaging (30.5%), followed by fishing gear (17.0%), plastic utensils (9.2%), toiletries (4.8%) and household wastes (1.4%). The computed overall density from a total of 3,978 macro-plastic waste items over 12,000 m2 of beach area sampled was 0.3 (CM), meaning there were 0.3 litter items of plastic per m2 throughout the whole boulevard. The computed overall beach cleanliness was 6.6, which means that the cleanliness status is moderate. Overall, most macro-plastic waste is generated by locals or visitors. In conclusion, a policy regulating the use, littering, and carrying of plastic along boulevards is recommended to prevent plastic pollution considering the province's growing ecotourism and the future expansion of the coastal boulevard.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».