Recycling precious metals from mobile phones
Notice bibliographique
Résumé
The world population reached 7.5 billion inhabitants in April 2017. The number of mobile phones will reach 4.77 billion by the end of this year. Mobile phones are made of more than 50 elements. Discoveries of economically viable gold mines in the main producing countries have been slowing down significantly since the 1800s. The global surface temperature of the planet is warming at 0.17⁰C per decade relative to pre-industrial levels. \n \nThe mobile phone was chosen for this thesis because it is a comprehensive unit of hazardous waste and e-waste. Mobile phones are a municipal solid waste and public health concern. The low energy and low barrier to entry recycling business this thesis envisions recycles precious metals from end of life mobile phones close to where the devices are discarded. \n \nThis thesis uses system dynamics to model the exponential adoption of mobile phones and its impact in mining and CO₂e emissions. The model is the basis to calculate the return of new precious metal recycling businesses. \n \nClimate change is one of the hardest problem men has ever faced because it requires many countries to work together to establish climate centric governance and policies. Businesses are reviewing their supply chain and energy sources. \n \nThis work focuses on disruptive low energy and low barrier to entry technologies to recycle precious metals from mobile phones. Local recycling businesses will create jobs and stimulate the economy in B.C., Canada, and the world.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».