The use of efficiency metrics for cross-jurisdictional assessment of household hazardous waste collection and recycling
Notice bibliographique
Résumé
Household hazardous waste (HHW) has proliferated with the growing consumption of household products, highlighting the importance of an effective management program. Although industrialized nations have employed collection programs for HHW, their efficiencies are not appropriately assessed. North America currently lacks comprehensive studies on the efficiency of HHW programs. This study introduces two metrics: Collection Ratio (CollectRat) and Recycling Ratio (RecylRat), to analyze the efficacy of HHW collection and recycling. The study develops predictive models for these metrics to identify key household characteristics influencing HHW management practices. Management practices are shifting towards recycling, although reuse remains low, peaking at 20.9 % in California and 10.8 % in Texas. By examining the metrics using American and Canadian datasets, results show that collection rates are higher in highly populated regions, unlike recycling rates. Most Canadian HHW programs have adopted the Extended Producer Responsibility (EPR) framework, while California has recently introduced EPR for certain household products, leading to increased public awareness and improved waste management practices. Findings suggest HHW collection ratio alone does not represent waste recycling well. The rate of collection and recycling depends on household characteristics such as family size, educational attainment, and other factors. The use of efficiency metrics in forecasting models helps to understand trends in HHW management in North America and can be applied to other jurisdictions. • Two efficiency metrics are proposed for cross-jurisdictional HHW program assessment. • California has 3.76 times higher HHW collection rates compared to Texas. • We found that HHW collection and recycling rates depend on household characteristics. • HHW collection rates are higher in populated regions, but recycling rates are not. • Canadian HHW programs have adopted extended producer responsibility framework.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».