Sustainable Strategies and Policy for Plastic Waste Collection and Management in Germany and Canada: Lessons for Lagos State, Nigeria
Notice bibliographique
Résumé
Plastic waste is a major problem in many developing countries, which needs urgent attention as the population increases. Plastic is constructed from high-density polyethylene terephthalate (PET) and low-density polyethylene (LDPE). Hence, those types of plastics are associated with the environmental problem of plastic pollution, particularly in Lagos State, Nigeria. Furthermore, as the volume of plastic waste continues to increase in Lagos State, the existing infrastructure for sustainable plastic recycling is inadequate. In this research, Lagos is taken as a case study because of its increasing population, urbanization, and industrialization. They are connected with confounding urban challenges. The research further investigates Germany and some selected provinces in Canada to give European and North American perspectives of plastic waste management systems in the context of EPR schemes. The research also discusses how the two categories of the EPR schemes were applied in Germany and Canada. In addition, the research explains the implementation of the strict ban and enforcement on plastic bags in Rwanda and the regulation of plastic bags through a levy in Ireland. The empirical part of this research follows qualitative data analyses obtained through field observation. Questionnaires are used to gather oral interviews from policymakers and other stakeholders involved. The research identifies significant parameters. It proposes EPR strategies and its associated components needed to be adopted in Lagos state, with the Nigerian knowledge. The research results may help target a high rate of plastic recovery, reuse, recycling. They may also promote the reuse and recycling economy of plastics production in Lagos State, which is a pathway in achieving a circular 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».