Integrating Environmental Education into Collaborative Governance for Municipal Solid Waste Management in Peri-Urban Communities
Notice bibliographique
Résumé
In this study we explore the pressing issue of solid waste management in peri-urban communities, where urban expansion and rural traditions intersect. Focusing on Wang Taku Subdistrict in Nakhon Pathom Province, we employed a mixed-methods approach, combining quantitative surveys (n = 380) with qualitative interviews of local leaders and community workshops that represented 12 occupational groups. The findings reveal a consistently high level of waste-related issues, particularly in disposal inefficiency (= 4.22). Lack of waste separation ( = 4.10) resulted in an overall problem severity rated at = 3.69, SD = 0.49. While community interest in participating was notable (= 3.52), actual involvement in planning, monitoring and decision-making remained low, contributing to an overall moderate participation level ( = 2.52, SD = 0.25). In response, we introduced a multilateral waste management model grounded in joint decision-making approaches and reinforced by education focused on environmental awareness. The model emphasised source separation, stakeholder coordination and behavioural change through localised training and practical demonstrations. Post-intervention assessments showed statistically significant improvements in waste management knowledge (t = 18.71, p < 0.01), environmental awareness (t = 19.09, p < 0.01) and self-reported practices (t = 18.15, p < 0.01). These results highlight the model’s ability to promote sustainable behavioural change and community ownership, aligning effectively with Sustainable Development Goal 12 on responsible consumption and production. The model presented here offers a realistic, replicable framework for addressing solid waste challenges in similarly situated communities, especially where institutional support is limited but local networks are strong.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».