MétaCan
Menu
Retour à la cohorte
Enregistrement W7028959492

Impacts of COVID-19 on Municipal Solid Waste Systems in Ontario, Canada: A Retrospective Reflection of Learnings from Municipalities

2023· dissertation· en· W7028959492 sur OpenAlexaffabout

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2023
Typedissertation
Langueen
DomaineMedicine
ThématiqueMusculoskeletal Disorders and Rehabilitation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Municipal solid wastePandemicTonnageCleaner productionSolid waste managementWaste collectionResource (disambiguation)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Over the last decade, Ontario’s waste management industry has been under immense strain that could be considered a crisis. Between high waste generation, rapidly depleting landfill space, and land availability to replenish this diminishing resource, effective waste diversion must be a priority for Ontario municipalities. In March 2020, the COVID-19 pandemic added yet another challenge to effective waste diversion as individuals attempted to cope with the pandemic. Between increased waste (such as single-use plastics from online shopping) and changes in waste operations, studies conducted towards the beginning of the pandemic showed the global influence of the COVID-19 virus on waste systems as the pandemic unfolded. This research aims to explore the impact of the COVID-19 pandemic on municipal solid waste management in Ontario. Specifically, this study will provide first-hand accounts from Ontario municipalities regarding their experiences managing municipal solid waste during the COVID-19 pandemic. Additionally, this study will examine these experiences through a retrospective lens and allow municipalities to provide their learnings and perspectives on the impact of the virus in a post-COVID-19 context. A survey that compared the experience of managing waste in a pre-, during, and post-COVID-19 context was sent out to 306 municipalities in Ontario. The data collected from the survey was triangulated with secondary waste tonnage data from 2019, 2020, and 2021 collected by the Resource Productivity and Recovery Authority. It was found that while Ontario had to make many of the same pandemic adaptations that were produced globally, the long-term impacts were not as severe as they were during the early onset of the pandemic. The COVID-19 pandemic impacted waste operations and policy more than waste generation and composition in Ontario.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,568

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0180,008
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,257
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)Même sujetMusculoskeletal Disorders and RehabilitationTravaux en français237 207