MétaCan
Menu
Retour à la cohorte
Enregistrement W7083594326 · doi:10.1016/j.eti.2025.104549

Quantification of improperly disposed mercury containing lights in Canadian households

2025· article· en· W7083594326 sur OpenAlexafffundabout

Notice bibliographique

RevueEnvironmental Technology & Innovation · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic, financial, and policy analysis
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMercury (programming language)MERCURY EXPOSUREAir pollutionMercury contamination

Résumé

récupéré en direct d'OpenAlex

Mercury containing lamps (MCL), often classified as household hazardous waste, are a threat to human and environmental health. Extended Producer Responsibility (EPR) is a common management framework. The objectives of this study are to estimate the improper disposal of household MCLs across eight Canadian provinces (with and without EPR) and model households’ improper MCL disposal using seven factors. The number of retail locations collecting lamps per 100,000 households is about 10 in provinces with EPR, and about 3 in provinces without EPR. Across all study areas, MCLs being disposed of in landfills are decreasing over time. Pearson correlation analysis found that environmental awareness and socio-economic factors are more important to electronic light usage in provinces with EPR. Regression analysis showed that the percentage of households using LEDs was important in determining the disposal of MCLs in provinces with and without EPR. For provinces with existing EPR programs for MCLs, the percentage of households composting kitchen waste was important. This may be due to household members being more environmentally aware. In non-EPR provinces, obtaining a tertiary education was important in determining the disposal of MCLs. EPR is an effective tool in the management of MCL waste in Canada. The conventional MCL per capita variable may be less useful given the changing household size. We recommend monitoring and reporting of the MCL quantity at the household level for policy-making purposes.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,217
Écart entre enseignants0,201 · 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

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Technology & InnovationMême sujetEconomic, financial, and policy analysisTravaux en français237 207