Progress of hydrogen production from food waste – A systematic, content, and bibliometric review
Notice bibliographique
Résumé
Food waste (FW) presents difficulties for waste management which is a significant worldwide issue. However, there is a growing energy crisis globally, and there is not enough fossil fuel available to support the growing demand. This can however be overcome using environmentally acceptable and sustainable energy such as biohydrogen. This study thus employed a systematic, content-based, and bibliometric review approach to analyze the literature on hydrogen production from FW resources within the last two decades. The study used the bibliometric analysis tools (i.e., Biblioshiny in R and the VOSviewer) to analyze and visualize a total of 2,022 pertinent documents on the subject matter obtained from the Scopus database. According to the analyzed data, biohydrogen, a biofuel produced through biological processes, has the potential to reduce greenhouse gas emissions, but its widespread adoption requires addressing production rate, yield, and process scaling. China turned out to be the nation with the most papers on the subject, totaling 2,610. The USA (829), India (501), Italy (471), South Korea (419), Brazil (374), Japan (285), Germany (257), Spain (256), Canada (187), and the UK (187) were the other top-performing nations. The study ended with future research directions that researchers can work on in the future. The findings of this study could guide future research on the conversion of food waste to hydrogen energy based on the research gaps identified in the study.
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 | 0,018 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,156 | 0,137 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».