Post-War Waste Composition: Household Waste Management in Misrata City, Libya
Notice bibliographique
Résumé
Waste generation and its composition reflect activities of a society, due to the fact that it is driven by socio-economic interactions, political structure, and social security. However, changes to waste composition may go unnoticed, except where a database on household solid waste (HSW) is available. Libyan cities were devastated by the scourge of war due to the “Arab spring”. This necessitates planning and development to tackle waste management. This study aims to determine the composition of household solid waste in Misrata, Libya, to generate waste stream data that eludes most post-war cities in North Africa and Middle East, which can be used to plan and subsequently manage waste collection services, treatment options, and disposal methods. Discrete classification and direct measurement of HSW from selected families (30) in Misrata were utilized to assess waste composition and changes across households. 400 questionnaires were distributed to residents to determine public perception and its correlation to waste composition. The results confirmed that the highest amount of HSW generated was organic waste, which accounts for 52 %, followed by 20.7%, 16% and 5.9% generated from miscellaneous waste, plastics, and paper wastes, respectively. Metals and glass reported the lowest HSW components, at 3.9% and 1.5%, respectively. The survey component of the study indicated that more than 70% of the respondents claimed that recyclable items are increasing, especially plastics, due to changes in life style and income.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».