Sustainable Practices and Environmental Impact Assessment in a Lifelong Learning Center
Notice bibliographique
Résumé
Climate change is a major environmental challenge that should be mitigated by all parties concerned.One such party is the KMITL Lifelong Learning Canter (KLLC) which has committed to reducing its environmental externalities, including the impact of its operations on climate change.The idea of a "green KLLC" seeks to reduce adverse effects on the environment and improve indoor environmental quality through the use of natural building materials and biodegradable products, resource conservation (water, energy, paper), responsible waste disposal, and eco-friendly practices (recycling).To reduce these environmental externalities, the environmental performance of the KLLC canter should first be examined to establish measures for improvement.However, accurate evaluations of the environmental impact of Lifelong Learning Centers (LLCs) are uncommon because of the lack of data and the immaturity of appraisal methodologies.With a case study of KLLC, the newest LLC in Thailand, this paper appraises the environmental effects, thus setting benchmarks for subsequent studies.The appraisal demonstrates that the KLLC community can significantly reduce the environmental consequences by using e-certificates, motion sensor light installation, banana leaf packaging, solar cell installation, and carpooling systems.Although e-certificates and banana leaf packaging are the most cost-effective methods of implementation, the adoption of carpooling systems and electric vehicles demonstrates the highest potential for Greenhouse Gas (GHG) emissions reduction.The paper showcases how KLLC can reduce its GHG emissions and wastes, thus turning into a more environmentally sustainable business.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».