MétaCan
Menu
Retour à la cohorte
Enregistrement W7115408387

Life cycle assessment of computers and electronic devices: A comprehensive review of environmental impacts

2025· article· en· W7115408387 sur OpenAlexaboutno aff

Notice bibliographique

RevuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT) · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLife-cycle assessmentEnvironmental impact assessmentImpact assessmentPrincipal (computer security)Sustainable developmentData collectionRecipe
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to evaluate Life Cycle Assessment studies applied to computers with respect to temporal and geographical distribution, research subjects, impact assessment methods, databases and software utilized, and principal findings. To achieve this, a bibliographical search was conducted using the Web of Science Core Collection database platform, using the keywords "Life cycle assessment" "AND" "computer" for title topic. The search yielded 12 publications selected from 28, for which a descriptive analysis was performed. It was determined that most of the studies (six in total) took place between 2011 and 2020. Geographically, the majority of these studies were conducted in Asia and the USA/Canada, with six studies in each region. The majority of studies (6) have aimed to evaluate the environmental impacts of computers (desktop/all-in-one). Regarding the impact assessment methods employed, there is considerable variation among ReciPe (2), Ecoindicator (2), IPCC (2), and CML (1), although some studies have utilized multiple methods. The primary findings indicate significant environmental benefits from adopting newer, energy-efficient technologies (APCs and LCDs), improving formal e-waste management, and focusing on recycling and sustainable manufacturing. Proper End-of-Life handling and the minimization of informal disposal also yield substantial environmental gains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,489
Score d'incertitude au seuil0,823

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,377
Écart entre enseignants0,343 · 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 tête enseignante, 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT)Même sujetRecycling and Waste Management TechniquesTravaux en français237 207