The Circular Economy (CE) Rebound as a Paradox of Knowledge: Forecasting the Future of the CE–IoT Nexus through the Global E-Waste Crisis
Notice bibliographique
Résumé
There are widespread assumptions to the effect that the real-time data generated through the 5G-enabled Internet of Things (IoT) will improve material traceability and accelerate the global transition to a circular economy (CE), thereby helping to achieve the UN Sustainable Development Goals and carbon neutrality. Many industries, governments, and NGOs are supporting this vision by investing in related digital infrastructure (5G networks, servers, computer hardware, etc.). Conversely, recent literature has highlighted a paradoxical phenomenon known as the CE rebound, whereby sound CE activities end up offsetting environmental gain(s). This challenges the assumption that the new 5G-enabled IoT will be conducive to greater circularity while carrying its own environmental weight. Resorting to applied epistemology—a perspective seldom used in sustainability research—and the global e-waste crisis as an intense case in point, we question the confidence with which actors predict positive outcomes from the CE–IoT nexus. We argue that avoiding circularity rebounds cannot be construed as a matter of methodological development or, by extension, modeling sophistication through real-time data exploitation. Instead, circularity rebounds need to be recognized and theorized as a paradox of knowledge that also narrows sustainability research’s horizons, despite AND because of the 5G-enabled IoT. As per this paradox, advanced digital technologies may well be compounding environmental issues at the same time as they illuminate them.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».