Artificiell intelligens i textilsortering: Möjligheter och utmaningar i återvinningssystemet : En kvalitativ studie om AI:s roll i textilindustrins återvinningssystem
Notice bibliographique
Résumé
Denna studie undersöker vilka möjligheter och utmaningar som präglar användningen av artificiell intelligens (AI) för automatiserad sortering av textilier inom textilindustrins återvinningssystem. Studien bygger på en kvalitativ forskningsansats med semistrukturerade intervjuer med sex experter inom AI, hållbarhet och cirkulär textilproduktion samt en dokumentanalys av hållbarhetsrapporter från fem europeiska modeföretag. Resultaten visar att AI kan bidra till ökad sorteringsprecision, förbättrad spårbarhet och effektivare systemflöden, vilket gör tekniken till en möjliggörare i textilindustrins hållbarhetsomställning. Samtidigt identifieras hinder såsom brist på standardiserade data, teknisk omognad, varierande digital mognad hos aktörer samt otydliga ansvarsförhållanden. Studien belyser även en diskrepans mellan företagens visionära kommunikation om AI och dess faktiska tillämpning i praktiken. Slutsatsen är att AI:s genomslag förutsätter robust teknisk infrastruktur, organisatorisk samverkan och etiskt förankrad implementering. Studien bidrar med ett systemperspektiv på AI:s roll i återvinningssystemet och lämnar rekommendationer för framtida forskning och policyutveckling.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,011 |
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 ».