From mine to motor: A literature review on environmental assessments of electric vehicle battery supply chains
Notice bibliographique
Résumé
Abstract The fast-changing nature of sustainable mobility and the exponential growth of electric vehicles (EVs) have now placed battery supply chains (SCs) at the forefront of environmental concern. This review article examines 84 peer-reviewed studies published between 2008 and 2025, highlighting that 78% of the studies were published from 2020 to 2025, reflecting the rapid acceleration of EV battery sustainability research in recent years. Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses method, the review has identified significant environmental hotspots and trade-off issues across six phases of the battery SC, as well as inconsistencies regarding methodology, such as functional units of measurement, and missing data in relation to the Global South. Hotspots are most prominent in South America and Central Africa (extraction), China and South Korea (manufacturing) and Southeast Asia (end-of-life). New contributions include a comparison of the life cycle assessment approaches, using new data from 2023 to 2025, adding updated insights on policy evolution, improved recycling efficiencies and digital traceability technologies that enhance supply-chain transparency. Furthermore, this review highlights ignored areas, such as informal recycling of batteries and unfair regulations across borders, and it provides recommendations, which are relevant to policymakers, industry and academia, to improve transparency in the SC, better compliance with environmental, social and governance requirements and sustainability initiatives.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».