MétaCan
Menu
Retour à la cohorte
Enregistrement W4410081930 · doi:10.32528/jp.v9i1.1757

Kajian Teknologi Alternatif Pengolahan Sampah Padat Perkotaan menjadi Energi Terbarukan Ramah Lingkungan

2024· article· id· W4410081930 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJ-Proteksion Jurnal Kajian Ilmiah dan Teknologi Teknik Mesin · 2024
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueWaste Management and Recycling
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Seiring dengan bertambahnya jumlah penduduk dan pertumbuhan ekonomi, maka terjadi peningkatan timbunan sampah di hampir semua kota di Indonesia. Sementara kondisi tempat pembuangan akhir (TPA) sampah saat ini sudah atau hampir penuh, sehingga tidak bisa menampung sampah lebih banyak lagi. Oleh karena itu, perlu ada solusi jangka pendek untuk menjawab permasalahan kedaruratan sampah ini. Kajian ini menganalisis beberapa teknologi alternatif yang dapat digunakan untuk mengolah sampah padat perkotaan menjadi sumber energi. Dari hasil review, teknologi termal merupakan proses yang paling cepat dan meninggalkan residu yang paling sedikit. Teknologi termal yang dapat diterapkan yaitu pembakaran/insinerasi, gasifikasi, dan pirolisis. Teknologi insinerasi dapat digunakan pada skala besar karena melibatkan proses yang menggunakan ketel uap (boiler) dan turbin. Sementara gasifikasi lebih cocok diterapkan pada skala yang lebih kecil dengan menggunakan mesin gas atau mesin diesel sebagai pembangkit listriknya. Sedangkan pirolisis lebih sesuai untuk jenis sampah homogen dan tertentu seperti plastik dan ban bekas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0040,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,006

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 GPT0,250
Écart entre enseignants0,234 · 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