Social entropic risk potential in Lima’s concrete production: A social life cycle assessment using social hotspot database
Notice bibliographique
Résumé
■ S-LCA of 1 m³ concrete in Peru using Social Hotspots Database (SHDB) ■ Aligns LCA and S-LCA, targeting 11 high-entropy social risk subcategories ■ Peru accounts for 82.6% MRHEq; cement 38%, oil-related processes 4.8% ■ “Health & Safety” and “Labour Rights” subcategories show the highest social risk level ■ Calls for local data integration to improve social risk hotspot accuracy Concrete production has significant impacts on multiple environmental dimensions, yet the social risks embedded in its supply chains remain less examined. This study applies a Social Life Cycle Assessment (S-LCA), guided by the United Nations Environment Programme (UNEP) and the Society of Environmental Toxicology and Chemistry (SETAC) methodology, to evaluate the social risks levels associated with producing 1 m³ of concrete in Lima, Peru. Building on a previous environmental LCA for the same functional unit and system boundaries, processes for water, sand, gravel, and cement extraction, production, and end-of-life disposal were mapped to the Social Hotspots Database (SHDB) to enable a harmonized assessment. The UNEP subcategories were then aligned with SHDB social themes. From this alignment, 11 subcategories were prioritized for their relevance to entropic implications, defined here as irreversible changes in nature caused by material and energy transformations in urban systems. Results are presented across 5 general categories, 30 subcategories, and 11 detailed themes. Local social risks dominate, with Peru contributing 82.6% of MRHEq. Cement production is the most significant contributor to the total risk estimated by the SHDB, although oil-related processes in South Central Africa also play a role. The SHDB categories contributing most to the estimated social risk levels are “Health and Safety” and “Labour Rights and Decent Work,” while ‘Poverty and Inequality” and “State of Environmental Sustainability” lead at the subcategory level. The methodology and results provide a transferable framework for S-LCA of building materials in contexts reliant on local resources. Findings highlight the value of S-LCA and SHDB for identifying social hotspots, while underscoring the need to integrate regional and qualitative data to ensure context-specific, realistic assessments.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».