Simulation of a residential composting program and behavioural spillover from composting to recycling using agent-based modeling
Notice bibliographique
Résumé
Composting is a pro-environmental behaviour that mitigates climate change through the diversion of organic waste from landfills. Although the city of Winnipeg piloted a residential composting program, limited survey responses made it difficult to estimate the success of the city-wide program and how it may impact existing recycling behaviours due to spillover effects. Behavioural spillover occurs when an intervention is aimed at increasing a pro-environmental behaviour, which unintentionally increases or decreases the likelihood of engaging a non-targeted pro-environmental behaviour (Truelove et al., 2014). The present thesis used Agent-Based Modeling (ABM) to simulate a composting knowledge intervention and residential composting program. The net impact on waste diversion was quantified by modeling the effects of positive and negative spillover from composting to recycling. Furthermore, the ABM generated data on household environmental concern (high vs. low) and model type (proportions of high vs. low concern: 70/30, 50/50, 30/70) to simulate their effects on total waste diversion, composting, recycling, and frequency of spillover. The results indicate that the composting knowledge intervention may become more promising in reducing overall landfill waste as we mobilize more people to possess higher environmental concern in a population. Additionally, after the dissemination of the composting intervention, recycling behaviours decreased across the high and low concern households due to negative spillover effects. However, due to robust increases in composting, significantly more waste was diverted annually through this composting intervention. Therefore, these computational estimates suggest that the intervention was successful despite spillover effects. Implications on policy and research are discussed.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».