EDUCATING FOR A CIRCULAR FUTURE: DIGITAL INNOVATIONS, INTERDISCIPLINARY LEARNING, AND GLOBAL POLICY INSIGHTS IN INDUSTRIAL SYMBIOSIS
Notice bibliographique
Résumé
Adapting to a Circular Economy (CE) within the context of ongoing digital transformation calls for a significant rethinking of educational models. Future professionals must be prepared with technical knowledge and the ability to think in systems and adapt to emerging digital environments. This research tends to analyse how different digital tools (i.e., digital platforms, blockchain, digital twins, the Internet of Things, and artificial intelligence) can be effectively integrated into educational practices supporting industrial symbiosis (IS) development. Beyond improving operational workflows and resource exchange, these technologies also serve as pedagogical tools that can deepen learners� understanding of complex sustainability issues. Despite their potential, various challenges hinder widespread adoption. These include the technical intricacies of digital tools, issues of standardisation and compatibility, and broader concerns about infrastructure and social acceptance. As such, the research highlights the importance of embedding digital competence, interdisciplinary learning, and hands-on educational strategies into higher and vocational training. In addition, the study examines global legislative achievements, comparing policy frameworks across the European Union, Canada, the Southern Americas, China, and Vietnam. This comparison reveals how regulatory and institutional cooperation and best practice assessment can drive the adoption of CE and IS principles at scale. Spatial planning and legislative incentives enable such developments and cannot be neglected. The research proposes an integrated educational and policy model to promote a more inclusive, coordinated, and effective shift toward a circular and digitally enabled economy.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,026 |
| Communication savante | 0,013 | 0,018 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».