Barriers and enablers of life cycle assessment in small and medium enterprises: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Businesses are facing increasing pressure from multiple stakeholders to integrate sustainability into their practices and business models. Although Small and Medium-sized Enterprises (SMEs) represent at least 90% of businesses worldwide and contribute approximately 60% of environmental impacts, assessing and improving their sustainability performance is not a priority for them. SMEs can address sustainability issues through the application of the different Life Cycle Assessment (LCA) approaches. LCA focuses solely on the environment; however, other forms, such as social, costing, sustainability, and organizational LCA, enable practitioners to assess impacts across the entire life cycle of the studied system, each with different scopes and approaches. However, LCA remains in the domain of large companies. This article aims to identify the main barriers and enablers of LCA in SMEs for wider use as a tool to improve sustainability performance. Through a systematic review of the scientific literature on LCA among SMEs applying the Standardized Technique for Assessing and Reporting Reviews of LCA data, a sample of 61 articles provides a 20-year history. Our results characterize the application of LCA in SMEs through six main aspects. Our main conclusions identify three main barriers to the application of LCA among SMEs: lack of trained personnel, lack of data, and high costs. To overcome these barriers, we found that narrowing down the scope using simplified methods in clusters can increase the use of LCA among SMEs. A simplified SME cluster-elaborated LCA can be used to qualitatively identify sustainability hotspots, develop suitable strategies to improve sustainability performance, and respond to market requests.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle