デジタル廃棄物の自動分類と炭素フットプリント削減予測のための機械学習ベース概念フレームワーク
A MACHINE LEARNING-BASED CONCEPTUAL FRAMEWORK FOR AUTOMATED DIGITAL WASTE CLASSIFICATION WITH PROJECTED CARBON FOOTPRINT REDUCTION (原題)
Burhanuddin
🤖 gxceed AI 要約
日本語
本研究は、機械学習を用いてデジタル廃棄物を自動分類する概念フレームワークADWCを提案する。5層アーキテクチャでメタデータを統合し、約30TBの想定コーパスで38.7%を削減可能な廃棄物として識別、炭素排出削減に寄与し得ると投影する。感度分析では電力網の炭素強度が環境便益を最も左右する要因と示された。ただし結果はすべてベンチマーク投影であり実証検証が必要である。
English
This paper proposes ADWC, a machine-learning conceptual framework for automated digital waste classification integrating metadata across a five-layer architecture. On an assumed ~30TB corpus it projects identifying 38.7% as actionable digital waste, with carbon reduction scaling proportionally. Sensitivity analysis shows grid carbon intensity dominates environmental benefits over PUE or storage energy. All results remain benchmark projections requiring empirical validation.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
データセンターの電力・炭素管理はScope2排出と密接に関わり、日本企業の再エネ調達・PUE改善・データガバナンス戦略に示唆を与える。SSBJ開示における自社排出管理の補助手段として注目に値する。
In the global GX context
Links file-level data governance to measurable sustainability indicators, relevant to data-center Scope 2 accounting and corporate digital decarbonization strategies under ISSB/CSRD reporting.
👥 読者別の含意
🔬研究者:MLと環境評価を接続する概念設計と感度分析の枠組みを参考にできる。
🏢実務担当者:データセンター運用やIT資産管理における炭素削減施策の検討材料となる。
🏛政策担当者:デジタル廃棄物と電力炭素強度を絡めた政策設計の論点を提供する。
📄 Abstract（原文）
Pertumbuhan volume data digital yang pesat turut meningkatkan proporsi sampah digital serta berkontribusi terhadap emisi karbon pusat data, sementara penelitian klasifikasi berkas yang ada umumnya belum menghubungkan hasil klasifikasi dengan estimasi dampak lingkungan secara terukur. Penelitian ini bertujuan mengusulkan Automated Digital Waste Classification (ADWC), sebuah kerangka kerja konseptual berbasis pembelajaran mesin. Penelitian ini menggunakan pendekatan Design Science Research (DSR) dengan evaluasi kelayakan artefak melalui sintesis literatur dan proyeksi berbasis benchmark, mencakup arsitektur lima lapisan yang mengintegrasikan fitur metadata. Hasil proyeksi menunjukkan bahwa konfigurasi penuh ADWC mencapai macro-F1 tertinggi melampaui konfigurasi fitur tunggal maupun kombinasi parsial, serta kompetitif terhadap model benchmark termutakhir seperti CNN-BERT Hybrid. Pada korpus asumsi ±30 TB, ADWC-Full diproyeksikan mengidentifikasi 38,7% data sebagai limbah digital yang dapat ditindaklanjuti, dengan potensi reduksi emisi karbon yang meningkat proporsional terhadap skala implementasi. Analisis sensitivitas mengungkap bahwa intensitas karbon jaringan listrik merupakan parameter paling berpengaruh terhadap besarnya manfaat lingkungan jauh melampaui pengaruh PUE, intensitas energi penyimpanan, maupun fraksi limbah teridentifikasi. Temuan ini menegaskan kelayakan konseptual ADWC sebagai kerangka kerja yang menghubungkan tata kelola data pada tingkat berkas dengan indikator keberlanjutan yang terukur meskipun seluruh hasil masih bersifat proyeksi berbasis benchmark dan memerlukan validasi empiris pada lingkungan operasional nyata.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.55123/storage.v5i3.8955first seen 2026-09-17 04:57:39
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。