MétaCan
Menu
Retour à la cohorte
Enregistrement W4409511785 · doi:10.33002/jelp050105

Towards an Efficient E-Waste Management Regime in Nigeria

2025· article· en· W4409511785 sur OpenAlexvenueno aff
Sylvanus Gbendazhi Barnabas

Notice bibliographique

RevueJournal of Environmental Law & Policy · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessEnvironmental planningEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Electronic waste (e-waste) management has emerged as a critical environmental and public health challenge in Nigeria, driven by increasing digitalisation, high importation of used electronics and inadequate disposal practices. Despite existing regulatory efforts, the country continues to struggle with informal recycling, unsafe dismantling methods and limited enforcement of e-waste policies. This article explores the deficiencies in Nigeria’s current e-waste management framework and proposes a regulatory blueprint for a more sustainable approach. Drawing on global best practices, the study advocates for a comprehensive regulatory regime that includes Extended Producer Responsibility (EPR), stricter import controls, improved formal recycling infrastructure, and strengthened enforcement mechanisms. It also highlights the importance of public awareness campaigns, private-sector collaboration, and policy incentives to encourage responsible e-waste disposal. By transitioning to a structured and legally enforceable e-waste management system, Nigeria can mitigate environmental risks, safeguard public health, and unlock economic opportunities through resource recovery and job creation. Through doctrinal and critical analysis, this paper underscores the urgent need for a multi-stakeholder approach that aligns regulatory frameworks with sustainability principles, ensuring Nigeria’s readiness to tackle the growing e-waste crisis effectively.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,254
Écart entre enseignants0,249 · 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'étudeSans objet
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Law & PolicyMême sujetRecycling and Waste Management TechniquesTravaux en français237 207