Inequities blocking the path to circular economies: A bio-inspired network-based approach for assessing the sustainability of the global trade of waste metals
Notice bibliographique
Résumé
• We assess the network properties of the global trade of waste metals. • We study the distribution of material and monetary flows across trading countries. • The FCI captures material and monetary trade circulation due to network structure. • Network methods can support the study of the equity dimension in trade ecosystems. • Network methods can inform circular economy policies about trading patterns. Considering the importance of waste metals for the transition to circular economies, this study follows a bio-inspired approach to evaluate their material and monetary global trade patterns for sustainability and equity. Between 2000 and 2022, the global trade grew by 5 % in trading countries, by 37 % in trade links, by 71 % in material flows, and by 569 % in economic flows. Driven by indirect effects, the average circulation of material and monetary flows ranged between 21.8–34.9 % depending on the demand or supply perspective but showed a declining trend. Due to homogenization, high network redundancy, and low network efficiency the trade remained robust yet outside the "window of vitality" characterizing natural ecosystems. A few, mostly high-income countries dominated the market, consolidating imports of high-value metal waste mostly from low- and middle-income exporters. Policies should address circularity and trade inequities, accounting for environmental and social ramifications throughout the lifecycle of products and materials.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».