MétaCan
Menu
Retour à la cohorte
Enregistrement W6938974758 · doi:10.60692/3m7zg-bhh47

Converting food waste to biofuel: A sustainable energy solution for Sub-Saharan Africa

2024· article· en· W6938974758 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésFood wasteGreenhouse gasSustainabilityBiofuelFossil fuelCleaner productionGlobal warmingRenewable energyEnvironmental pollutionTonne

Résumé

récupéré en direct d'OpenAlex

Natural gas, coal, and oil account for over 84 % of the world's energy demand. Greenhouse gases, including carbon dioxide, methane, and oxides of nitrogen and sulphur, are released during the combustion of fossil fuels, leading to substantial climate changes and environmental damage. Therefore, harnessing energy from alternative sustainable resources without the emission of harmful waste products is vital for the ecosystem's health. By 2050, global food waste production will reach 3.4 billion metric tons. Although widely recognized as a substantial energy resource, its value is underutilized throughout sub-Saharan Africa (SSA). Therefore, understanding and exploiting the potential value of food waste as a biofuel can result in net-zero emissions, reducing significant environmental pollution while conserving natural resources. Furthermore, this paper reviews how effective management of food waste will have the potential to contribute to the development of waste-to-energy resources in SSA countries, as well as help improve global ecosystems.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil0,358

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,198
Écart entre enseignants0,170 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207