MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409372921 · doi:10.1039/9781837676033-00176

Applied Smouldering Combustion for Supporting a Circular Economy

2025· book-chapter· en· W4409372921 sur OpenAlexaff
Tarek L. Rashwan, T. Fournie, Christine Switzer

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCombustionCircular economyEnvironmental scienceBusinessChemistryEcology

Résumé

récupéré en direct d'OpenAlex

Sustainable waste management requires significant increases in the proportion of waste and its components being reused, repurposed, and recycled instead of landfilled. Recent research and regulations have supported growing interest in circular economies, with a significant focus on making waste management processes more cyclic, increasing reuse, and reducing disposal. Resource recovery of nutrients and metals from municipal and industrial wastewater treatment plants and other sources of sludges may relieve the depletion of essential elements and have significant environmental and economic benefits. Thermal technologies offer strong promise for combining resource recovery with the robust destruction of hazardous compounds that must be removed from a circular economy. Applied smouldering is an emerging thermal technology that has demonstrated unique benefits in managing challenging wastes, such as high-moisture-content biomass, in a self-sustaining manner with minimal energy footprint and limited pre-processing infrastructure. Therefore, smouldering can support the inclusion of challenging wastes into circular economies. Most relevant applied smouldering studies to date have focused on municipal wastewater treatment sludge (i.e., sewage sludge). Therefore, this chapter will focus largely on the application of smouldering as a circular economy solution for sewage sludge; however, its applicability can be extended to a wide range of carbon-rich waste 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,009

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 Opus0,016
Tête enseignante GPT0,211
Écart entre enseignants0,195 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→