MétaCan
Menu
Retour à la cohorte
Enregistrement W4402910701 · doi:10.1002/9781394189595.ch16

Life Cycle Assessment of Smart Food Packaging Systems

2024· other· en· W4402910701 sur OpenAlexaff
Sweety Kalita, Debarshi Nath, Ehsan Pesaranhajiabbas, Manjusri Misra, Amar K. Mohanty, Avik Mukherjee, Santosh Kumar

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueGreen IT and Sustainability
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésFood packagingLife-cycle assessmentComputer scienceFood scienceBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Circular economy is a major goal toward achieving sustainable development. This helps address climate change, preserve the environment, create jobs, and fulfill overall societal needs. Synthetic plastic-based food packaging materials significantly impact the environment and human health. Biopolymer and natural additive-based nanocomposites are promising alternatives, and numerous R&D efforts are taken to develop intelligent food packaging systems using these biodegradable materials. Life cycle assessment (LCA) techniques, including social life cycle assessment (S-LCA), are quantitative approaches to evaluate the harmful effects of synthetic plastic packaging systems and to compare them with environment-friendly biodegradable polymer-based packaging systems. Biopolymers such as carbohydrates and proteins from natural origin are primary matrices, which are reinforced and functionalized with natural additives/nanomaterials to develop sustainable intelligent food packaging systems. This chapter is a synoptic discussion on the contribution of biopolymer-based intelligent food packaging systems toward achieving circularity in the environment and society, in general. Using biopolymer-based plastics is an effective way for closing the loop, either by reusing or recycling. In summary, biopolymer-based smart packaging (SP) material combines the advantages of food preservation and environmental safety, while maintaining economic viability and sustainability.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,236
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
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 sujetGreen IT and SustainabilityTravaux en français237 207