A review of fast fashion and environmental research gaps in the top garment-producing countries: a case study of China, Bangladesh, Vietnam, India, Turkey, and Indonesia
Notice bibliographique
Résumé
The growth of the fast fashion industry has accelerated over the last 5 decades, leading to serious environmental repercussions, including immense production of wastewater and greenhouse gases, in addition to landfill contributions. The fashion industry has been credited with generating 20% of global wastewater and 8% of global greenhouse gas emissions. In this systematic review, we explore the research gaps in the top garment-producing countries, specifically China, Bangladesh, Vietnam, Turkey, India, and Indonesia. We aim to answer the following research questions: (1) What are the predominant environmental impacts and research areas in each of the top garment-producing countries as a result of the fast fashion industry?; (2) What are the knowledge gaps hindering improved environmental practices?; and (3) What are the primary barriers to implementing sustainable garment production in the top garment-producing countries? First, we identified 2318 studies related to the environment and fast fashion in the top six garment-producing countries published between March 2008 and October 2023 using Web of Science and Scopus. Next, the titles and abstracts were screened using the inclusion criteria, from which articles received a second round of full-text screening. Subsequently, full-text analysis was conducted on the resulting 68 articles. We identified policy, sustainability, and wastewater as key research areas across all the top garment-producing countries. A lack of empirical research methods and consumer knowledge on the environmental impacts of fast fashion are key knowledge gaps hindering improved environmental practices. Investments in education and infrastructure will aid in the progression towards a more sustainable garment-producing industry.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».