MétaCan
Menu
Retour à la cohorte
Enregistrement W4402501810 · doi:10.11159/icepr24.160

Post-Consumer Textile Recycling: Challenges and Opportunities, Northern Periphery and Arctic Communities’ Perspective

2024· article· en· W4402501810 sur OpenAlexvenueno aff
Charmaine Medina, Tatiana Samarina, Anna Tervonen, Outi Laatikainen

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCrafts, Textile, and Design
Établissements canadiensnon disponible
Organismes subventionnairesInterreg
Mots-clésPerspective (graphical)ArcticTextileThe arcticBusinessGeographyComputer scienceOceanographyGeologyArchaeology

Résumé

récupéré en direct d'OpenAlex

The study explores the circularity of textiles with a focus on reuse and recycling within the Northern Periphery and Arctic (NPA) communities.With a need to delimit the study, the Northern regions of Finland, Norway, Sweden, and Ireland were chosen as the areas of focus due to their proximity to one another and their shared demographical and geographical characteristics.As a result of the conducted research, the current textile waste recycling landscape in the NPA within the public sectors of the regions and technologies that would be commercially viable for the areas were identified and discussed.The current recycling landscape among the regions highlights the challenges the industry faces, the factors to consider when choosing a potentially viable textile waste recycling technology, and the current stance and updates regarding the Extended Producers Responsibility on textiles.Based on this data, the researchers suggests that mechanical recycling technologies would technically be suitable for the areas, but due to the lower-than-average textile waste volume generated per area, it may be recommended to have a shared or centralized recycling facility for these northern regions.

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)0,003
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,006
Communication savante0,0070,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,068
Tête enseignante GPT0,256
Écart entre enseignants0,189 · 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'étudeQualitatif
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetCrafts, Textile, and DesignTravaux en français237 207