Critérios para avaliação de modelos de Avaliação de
Impacto do Ciclo de Vida Social
Criterios para evaluación de modelos de Análisis de Impacto del Ciclo de Vida social Criteria to evaluate Social Life Cycle Impact Assessment models
Cássia Maria Lie Ugaya* Alexandre Monteiro Souza** Sueli Oliveira Santos*** Jaylton Bonacina de Araújo**** *UTFPR, Bolsista CNPq cassiaugaya@utfpr.edu.br **CTBE ***UFABC ****UTFPR
Resumo
Modelos de Avaliação de Impacto do Ciclo de Vida Social (AICV-S) podem ser classificados em três tipos, dependendo da forma como o inventário é associado: (I) às partes interessadas; (II) por meio de cadeia de causa-efeito e, (III) com o uso de correlações entre variáveis macroeconômicas. Com o surgimento de modelos, o presente estudo tem como objetivo propor critérios para avaliá-los, baseados na UNEP e SETAC (2009), na JRC (2011) e em Ugaya et al. (2016). Após brainstorming entre os participantes do subgrupo de Avaliação de Impacto do Grupo de Trabalho de Avaliação Social do Ciclo de Vida (GTACV-S), três critérios foram selecionados: a abrangência do escopo (tipo, diferenciação espacial, inclusão de questões temporais, partes interessadas e subcategorias incluídas, robustez científica (reconhecimento pela comunidade internacional, apresentação de cadeia de causa e efeito, transparência e acessibilidade, disponibilidade de fator de caracterização (FC), possibilidade de regionalização e, FC nacional (existência e viabilidade de obtenção). Cada um dos subcritérios foi classificado (melhor, mediano e pior). Por exemplo, para atender o escopo das partes interessadas e subcategorias, o modelo deveria incluir 5 partes interessadas e 31 subcategorias para receber a melhor classificação). Os critérios foram aplicados parcialmente em 6 artigos e os resultados preliminares demonstram que é possível fazer a diferenciação entre os modelos. Como próximos passos, os critérios
serão aplicados para outros artigos levantados na revisão sistemática, a partir da qual será recomendado um modelo para AICV-S.
Palavras-chave: Avaliação Social do Ciclo de Vida. Critérios. Avaliação dos Impactos
do Ciclo de Vida Social.
Resumen
Los modelos de análisis de impacto social del ciclo de vida (AICV-S) pueden clasificarse en tres tipos, dependiendo de cómo se asocie el inventario: (I) a las partes interesadas; (II) por medio de cadena de causa-efecto y, (III) con el uso de correlaciones entre variables macroeconómicas. Con el surgimiento de modelos, el presente estudio tiene como objetivo proponer criterios para evaluarlos, basados en UNEP y SETAC (2009), en la JRC (2011) y en Ugaya et al. (2016). Después de brainstorming entre los participantes del subgrupo de Evaluación de Impacto del Grupo de Trabajo de Análisis Social del Ciclo de Vida (GTACV-S), se seleccionaron tres criterios: la cobertura del alcance (tipo de AICV-S, diferenciación espacial, inclusión de cuestiones temporales, partes interesadas y las subcategorías incluidas, robustez científica (reconocimiento por la comunidad internacional, presentación de cadena de causa y efecto, transparencia y accesibilidad, disponibilidad de factor de caracterización (FC), posibilidad de regionalización del FC y, existencia y viabilidad de obtención de FC nacional. Cada uno de los subcriterios fue clasificado (mejor, mediano y peor). Por ejemplo, para atender el alcance de las partes interesadas y subcategorías, el modelo debería incluir 5 partes interesadas y 31 subcategorías para recibir la mejor clasificación). Los criterios se aplicaron parcialmente en 6 artículos y los resultados preliminares demuestran que es posible distinguir entre los modelos. En los próximos pasos, los criterios se aplican a otros modelos.
Palavras Clave: Análisis Social del Ciclo de Vida. Criterios. Análisis del Impacto del
Ciclo de Vida Social.
Abstract
Social Life Cycle Impact Assessment Models (S-LCIA) may be classified into three types, depending on the linkage of the inventory to impacts: (I) to stakeholders; (II) through cause-effect chains and, (III) through correlations between macroeconomic variables. With the emergence of models, the present study aims to propose criteria to evaluate them, based on UNEP and SETAC (2009), JRC (2011) and Ugaya et al. (2016). A brainstorming was performed involving the participants of the Impact Assessment subgroup of the Working Group on Social Life Cycle Assessment (GTACV-S) which resulted in three criteria: the scope (type of S-LCIA, spatial differentiation, inclusion of temporal aspects, stakeholders
and subcategories included, scientific robustness (recognition by the international community, presentation of the cause-effect chain, transparency and accessibility), availability of characterization factor (CF), possibility of regionalization of the CF and the existence and feasibility of obtaining national CF. Each of the subcriteria was classified in three levels (best, medium and worst). For example, to meet the scope of stakeholders and subcategories, the model should include 5 stakeholders and 31 subcategories to receive the best rating. The criteria were applied partially in 6 papers and the preliminary results showed that it is possible to differentiate between the models. As a next step, the criteria will be applied to other.
Keywords: Social Life Cycle Assessment. Criteria. Social Life Cycle Impact Assessment.
1. Introdução
As diretrizes para Avaliação Social do Ciclo de Vida (ACV-S) apontaram, entre outros, necessidade de pesquisas futuras no tema, dentre as quais, o desenvolvimento de Modelos de Avaliação de Impacto do Ciclo de Vida Social (AICV-S). Desde então, diversos modelos foram apresentados, classificados em Tipo I (associados às partes interessadas) e Tipo II (por meio de cadeia de causa e efeito) pela UNEP e SETAC (2009). Mais recentemente, Neugebauer et al. (2017) propuseram uma diferenciação entre os modelos do Tipo II, dividindo-o em Tipos II e Tipo III, sendo que no último estariam os modelos baseadas relações econômicas.
Com o surgimento de diversos modelos de caracterização para AICV-S, é necessário averiguar aquele que melhor representa o impacto social e que possa ser utilizado no contexto brasileiro. Estudos semelhantes foram realizados para a avaliação de impacto ambiental (JRC, 2011; UNEP e SETAC, 2016).
Desta forma, o presente estudo tem como objetivo propor critérios para avaliar os modelos tipo II e III, baseados na UNEP e SETAC (2009), na JRC (2011) e em Ugaya et al. (2016).
2. Método
A fim de testar os critérios, inicialmente foi realizada uma revisão sistemática para seleção de modelos de caracterização para ACV-S. Na sequência, foram selecionados os critérios para avaliação dos modelos que foram testados em alguns dos modelos listados na revisão sistemática.
Revisão sistemática
Os métodos de AICV-S dos Tipos II e III foram selecionados mediante revisão sistemática, conduzida através de um levantamento bibliográfico. As publicações foram coletadas nas bases de dados internacionais Web of Science e Scopus. Foram utilizadas as seguintes palavras-chave: “Social Life Cycle Assessment”, “Social LCA”, “Societal LCA”, “Societal Life Cycle Assessment”, “SLCA”, “S-LCA”. Optou-se por utilizar estes termos pois possibilitavam uma busca mais ampla. O período de coleta foi definido sem restrição de ano, sendo contempladas todas as publicações feitas até agosto de 2017.
A partir do levantamento bibliográfico, foi realizada a leitura dos resumos das publicações, classificando os artigos de acordo com critérios de inclusão/ exclusão, apresentados na Tabela 1.
Tabela 1:Critérios de inclusão/ exclusão usados na revisão sistemática.
Critérios de inclusão Critérios de exclusão Artigos que apresentavam métodos de AICV-S
Estudos publicados até agosto de 2017
Artigos que apresentavam APENAS aplicações e estudos de caso
Artigos não escritos em inglês
Após leitura dos resumos e aplicação dos critérios apresentados na Tabela 1, restaram um total de 57 publicações. Devido à dificuldade na identificação do Tipo de método de AICV-S a partir apenas da leitura dos resumos, a exclusão dos métodos do Tipo I foi realizada na etapa de revisão dos métodos.
Critérios de avaliação
Após brainstorming entre os participantes do subgrupo de Avaliação de Impacto do Grupo de Trabalho de Avaliação Social do Ciclo de Vida (GTACV-S), verificação das diretrizes para ACV-S (UNEP e SETAC, 2009) e dos de critérios para análise de modelos de avaliação de impacto do JRC (2011) e Ugaya et al. (2016), três critérios foram selecionados para comparação dos métodos de AICV-S: a abrangência do escopo, a robustez científica, e a existência e viabilidade de obtenção de Fatores de Caracterização (FC) nacionais. Cada um dos critérios foi analisado e classificado em dois ou três níveis: melhor e pior ou melhor, médio e pior.
Abrangência do escopo
A abrangência do escopo foi subdividida na análise do tipo, diferenciação espacial, inclusão de questões temporais e partes interessadas, e subcategorias incluídas. Neugebauer et al. (2017) subdividiram a classificação de método Tipo II proposta pela UNEP e SETAC (2009) em Tipos II e III, ambos com relações de causa e efeito, entretanto, o Tipo III se utiliza exclusivamente de relações econométricas, sem estar baseado em ciências sociais. Para a presente avaliação, os modelos classificados por Tipo II foram considerados superiores aos de Tipo III.
Quanto à diferenciação espacial, procurou-se avaliar com o pior nível no caso de o modelo ser restrito apenas para um país (ou região), ou com o melhor nível no caso de abranger diversas regiões, possibilitando diferenciar o impacto conforme o contexto regional.
Já no quesito sazonalidade, verificou-se a abrangência do período utilizado. Caso o modelo permitisse refletir as diferenças decorrentes conforme a época, o modelo foi avaliado com o melhor nível. Caso fosse considerado parcialmente (por exemplo, incluísse as diferenças anuais, mas não as diferenças no ano), com nível médio e caso não levasse em consideração as diferenças sazonais, foi avaliado com o pior nível.
O último subcritério considerado foi o de atendimento do escopo às 5 partes interessadas e 31 subcategorias listadas em UNEP e SETAC (2009), sendo que o modelo recebeu o melhor nível ao atender todos, nível médio ao atender parcialmente ou pior nível se não houvesse nenhuma parte interessada ou subcategoria considerada.
Tabela 2 Critérios de abrangência de escopo para avaliação de métodos de AICV-S
Critério 1 - Abrangência do escopo de aplicação (avaliação final)
Melhor :-) Médio :-| Pior :-(
1.1 Tipos (II e III)* Tipo II Tipo III
1.2 Em nível de diferenciação espacial (geográfico)
Serve para a maioria das regiões
Serve para alguns países ou há algumas restrições
Só serve para poucos países ou tem muitas restrições
1.3 Considera a sazonalidade na definição do período a que se refere a coleta de dados.
Considera a sazonalidade Considera parcialmente Não levou em consideração
1.4 Atende o escopo das partes interessadas e subcategorias
Atende Atende parcialmente Não atende
Robustez científica
Para a robustez científica os critérios utilizados foram: reconhecimento pela comunidade internacional, apresentação de cadeia de causa e efeito, transparência e acessibilidade, disponibilidade de fator de caracterização (FC), possibilidade de regionalização e existência e viabilidade de obtenção de FC nacional.
Em relação à robustez científica, avaliou-se o reconhecimento do modelo pela comunidade científica. No caso de o modelo ter sido publicado em periódicos Qualis A ou ter sido bem citado ou já estar presente em um método de AICV, atribui-se o melhor nível. Os modelos publicados em periódicos Qualis B obtiveram nível médio e se o modelo foi apenas publicado em evento ou em literatura cinza, considerou-se o pior nível.
Para o caso de apresentação da cadeia de causa e efeito (CCE), dividiu-se em dois subcritérios: a presença da CCE de forma clara e se há relações causais fundamentadas com ciências sociais, sendo o melhor nível obtido no caso de ter sido apresentada claramente a CCE e haver relações causais; o pior nível no caso de as CCE não estarem presentes e o nível médio, se essa apresentação for parcial.
A análise da transparência e acessibilidade também foi subdividida nos subcritérios de clareza das equações e clareza das variáveis. Em havendo clareza, o modelo foi avaliado com o melhor nível; em não havendo, com o pior nível e, caso a clareza fosse parcial, o modelo recebeu o nível médio.
Tabela 3: Critérios de robustez científica para avaliação de métodos de AICV-S
Critério 2 - Robustez científica Melhor :-) Médio :-| Pior :-( 2.1 Faz parte de algum método
de AICV ou é reconhecido pela comunidade científica
Periódicos Qualis A ou bem citado
Periódicos Qualis B Só foi publicado em evento, etc. 2.2 Apresenta cadeia de causa e
efeito
2.2.1 É apresentada e está clara Apresenta a cadeia e efeito e está clara
Apresenta parcialmente
Não apresenta
2.2.2 Relações causais fundamentadas com ciências sociais
Existe citação acerca das relações causais
Citação parcial Não existe
2.3 Transparência e acessibilidade 2.3.1 Clareza das equações do modelo de caracterização
Sim Em algumas Não
2.3.2 Clareza das variáveis Sim Em algumas Não 2.4 Há Fator de Caracterização (FC) Sim ou existem dados
para calculá-los pelo menos no nível de país
Não apresenta
O melhor nível foi atribuído aos modelos que apresentavam fator de caracterização e para aqueles cujos dados existem, possibilitando sua obtenção por região. Caso contrário, o modelo obteve o pior nível.
Existência e viabilidade de obtenção de FC nacional
Quanto ao critério de existência de FC nacional verificou-se, além da existência, se as escalas geográfica e temporal são apropriadas. Adicionalmente, foi analisado se o FC é apropriado para o contexto social nacional.
No caso de o FC nacional não existir, verificou-se a viabilidade de calculá-lo com uso do modelo.
Tabela 4: Critérios de existência e viabilidade de obtenção de FC nacional para avaliação de métodos de AICV-S.
Critério 3 - FC nacionais/regionalização Melhor :-) Médio :-| Pior :-( 3.1 Possui FC para o Brasil Sim Não 3.1.1 Escala geográfica Sim Não 3.1.2 Escala temporal Sim Não 3.1.3 FC apropriado para o contexto nacional Sim Não 3.2 Viabilidade obter FC regionalizado para o Brasil Sim Sim, com adaptações Não
Teste dos critérios
A fim de testar os critérios foram selecionados sete (7) artigos do Tipo II e Tipo III entre aqueles obtidos na revisão sistemática: Norris (2006), Weidema (2006), Hutchins e Sutherland (2008), Feschet et al. (2013), Wu et al. (2015), Touceda et al. (2016) e Neugebauer et al. (2017).
3. Resultados e discussão
Na leitura completa dos artigos selecionados, percebeu-se que um deles foi identificado como sendo do Tipo I (HUTCHINS E SUTHERLAND, 2008) e outro aplicou o método do Social Hotspot Database (SHDB), baseado em riscos de ocorrência (TOUCEDA et al., 2016). Devido a estas características, ambos estudos foram excluídos da análise.
3.1. Abrangência do escopo 3.1.1. Tipos II e III
Weidema (2006), Norris (2006) e Feschet et al. (2013) realizaram análises macroeconômicas de diversos indicadores relacionados às áreas de proteção e, portanto, foram utilizados modelos de caracterização do Tipo III.
A proposta de Neugebauer et al. (2017) e o método de Wu et al. (2015), que inclui a Análise de Caminhos, realizam uma relação de causa e efeito, sendo assim classificados como Tipo II.
Wu et al. (2015) também apresentou um modelo de caracterização híbrido Tipo I/ Tipo II baseado no método estatístico de Redes Bayesianas.
3.1.2. Em nível de diferenciação espacial (geográfico)
Weidema (2006), Norris (2006), Neugebauer et al. (2016) e Feschet et al. (2013) apresentam modelos que podem ser replicados para qualquer país, o que confere a melhor classificação neste critério.
Feschet et al. (2013), contudo, demonstra limitações do uso de dados de todos os países, como, por exemplo, uma renda per capita máxima (sendo aplicável somente a países em desenvolvimento) e uma relevância do setor econômico analisado em relação ao produto interno bruto do país.
O modelo de Wu et al. (2015), utilizando a Análise de Caminhos, não é um modelo de caracterização e, portanto, não prevê diferenciação espacial. Para o modelo Híbrido tipo I/ tipo II não são apresentadas restrições em relação à diferenciação geográfica.
3.1.3. Sazonalidade na definição do período a que se refere a coleta de dados
Para alguns indicadores, Weidema (2006) utilizou dados de um período maior buscando diminuir o efeito de grandes flutuações.
Em seu modelo, Norris (2006) não adiciona nenhuma variável representando a sazonalidade ou faz algum tipo de ajuste nos dados utilizados.
Feschet et al. (2013) elaboraram um modelo utilizando dados em painéis. Esse tipo de modelo econométrico considera os valores das variáveis dos diversos países analisados, não só em um único ano, como as regressões simples, mas um período longo. Entretanto, o efeito da sazonalidade não é claro no artigo, o que faz com que nesse quesito este estudo seja classificado como pior caso.
No modelo de caracterização proposto por Neugebauer et al. (2016) o cálculo do indicador de impacto “midpoint” é em geral calculado com dados anuais, não considerando a o efeito da sazonalidade.
Wu et al. (2015) para os dois modelos apresentados consideram que a precedência temporal é um requisito para o estabelecimento da causalidade entre as variáveis, desta forma, os modelos são testados considerando diferentes períodos de tempo que separam as séries e selecionado aquele com o melhor ajuste.
3.1.4. Atende o escopo das partes interessadas e subcategorias
Nenhum dos métodos avaliados inclui todas as partes interessadas e subcategorias da UNEP e SETAC (2009).
De forma indireta, valendo-se de extrapolações de dados, o método de Weidema (2006) considera crianças, trabalhadores e a sociedade. Já o modelo proposto por Norris (2006) não explicita quais partes interessadas são contempladas, uma vez que os resultados do modelo estimam as consequências na saúde dos países devido ao aumento da atividade econômica em um determinado setor.
Ambos autores não abordam todas as subcategorias da UNEP e SETAC (2009), em virtude de terem sido publicados antes das diretrizes.
O Modelo desenvolvido por Feschet et al. (2013) contempla a sociedade como parte interessada, uma vez que estima a mudança da esperança de vida média de toda a população de um país a partir de mudanças na atividade econômica de um setor.
O trabalho apresentado por Neugebauer et al. (2016) apresenta como parte interessada os trabalhadores. A subcategoria abordada é a do salário justo.
Ambos os modelos apresentados por Wu et al. (2015) podem ser aplicados a todas as subcategorias e partes interessadas, considerando as características de cada uma delas.
3.2. Robustez científica
3.2.1. Faz parte de algum método de AICV ou é reconhecido pela comunidade científica
Os artigos de Weidema (2006), Norris (2006), Wu et al (2015) e Feschet et al. (2013) foram publicados em periódicos Qualis A2 da área de Engenharias III, o que lhes conferiram a classificação de melhor nível no quesito de reconhecimento pela comunidade científica. O artigo Neugebauer et al. (2016) foi publicado em periódico Qualis A1, também obtendo melhor avaliação.
3.2.2. Apresenta cadeia de causa e efeito (CCE)
No artigo de Weidema (2006) as relações da CCE não ficaram completamente claras no cálculo apresentado. As relações causais foram baseadas na interpretação de alguns indicadores mencionados no artigo, como itens de inventários (como trabalho infantil), indicadores de ponto médio (relativos à influência das atividades em educação e desenvolvimento de habilidades, problemas de distribuição, bem como influências sobre o uso de nosso tempo e a quantidade de tempo que passamos em deslocamento ou em distintas atividades domésticas) e indicadores de dano (tais como perda de renda, restrições à autonomia, ou ainda valores herdados, tais como a linguagem) e não propriamente em métodos de avaliação preconizados pelas ciências sociais, conquanto haja citações de outras fontes complementares.
Os modelos desenvolvidos por Norris (2006) e Feschet et al. (2013) buscaram mostrar a relação positiva entre o aumento no PIB per capita e a expectativa de vida da população de um país. Norris (2006) faz menção a duas vias de
impacto: a) uma via de impacto que relaciona mudanças nos níveis de emprego e salário com a redução na pobreza, que por sua vez afeta a mortalidade e morbidade; b) uma outra via de impacto que relaciona mudanças no nível de impostos com aumentos nos gastos com saúde e assim afetaria a mortalidade e morbidade. Por outro lado, os modelos aplicados relacionam os resultados na saúde com o PIB dos países. Outros fatores culturais e genéticos também podem influenciar. Desta forma, a CCE obteve uma avaliação média.
Um dos modelos apresentados por Wu et al. (2015) é voltado à construção e validação de CCE através da estimação da intensidade da relação entre as variáveis que compõe a CCE, além de permitir a identificação de estruturas subjacentes ainda não observadas, que seriam os pontos médios. Já o modelo híbrido tipo I/ II apesar de ser baseado em uma relação de causa efeito entre os indicadores de inventário e as subcategorias, não deixa clara a relação destes com os pontos finais e as Áreas de Proteção (AoP). Trata de uma proposta teórica sem ter sido aplicado no contexto da ACV-S.
A cadeia de causa efeito apresentada no trabalho de Neugebauer et al. (2016) está associada ao bem-estar e possui um indicador de categoria que avalia a distância a um valor-meta (distance-to-target). A apresentação detalhada da cadeia de causa efeito, assim como a fundamentação teórica através das ciências sociais, são apresentadas na publicação Neugebauer et al. (2014), publicada previamente ao trabalho avaliado, o qual foi classificado como a melhor pontuação.
3.2.3. Transparência e acessibilidade
Com relação ao critério de transparência e acessibilidade, o método de Weidema (2006) cumpre os requisitos de avaliação, no melhor nível, ao mencionar todas as fontes utilizadas. Contudo, no quesito clareza das equações do modelo de caracterização, verificou-se que, embora os cálculos estejam descritos, não estão traduzidos em forma de equações. As variáveis do cálculo, por outro lado, apresentam-se de forma clara.
O modelo de Norris (2006) apresenta com clareza todas as equações e variáveis do modelo de caracterização. No trabalho de Feschet et al. (2013) as variáveis são claras, assim como o modelo desenvolvido. Apesar dessa característica específica, a avaliação foi a de melhor caso.
O modelo proposto por Wu et al. (2015) baseado na Análise de Caminhos apresenta um exemplo claro, sendo descritos o método e os testes estatísticos utilizados, bem como as variáveis e as fontes de dados. Para o modelo Híbrido tipo I/ tipo II os autores apresentam detalhadamente o método estatístico empregado, com aplicação em um exemplo hipotético e, portanto, sem fontes de dados. Ambos os modelos foram definidos como “melhor caso”.
O modelo proposto Neugebauer et al. (2016) foi apresentado com equações detalhadas e variáveis definidas, as quais permitem sua replicabilidade. Dessa forma, o trabalho foi classificado como “melhor caso”.
3.2.4. Existência de Fator de Caracterização
Nesse critério o modelo proposto por Weidema (2006) recebeu a classificação de nível médio uma vez que se tratava de uma proposta de avaliação quantitativa.
Norris (2006) não apresenta os FCs, porém é fornecida a equação necessária para o cálculo dos FC por país.
Feschet et al. (2013) elaboraram um modelo através de dados de diversos países durante um determinado período de tempo e obtiveram o fator de caracterização para o estudo realizado em Camarões. A partir do modelo é possível estimar o indicador de impacto para diversos países, inclusive o Brasil.
Ambos os modelos apresentados por Wu et al. (2015) não possuem FCs, também não possibilitam a elaboração de FCs através dos mesmos.
3.3. Existência e viabilidade de obtenção de FC nacional
Brasil. Em geral, a viabilidade de obtenção do FC é dependente da existência de dados, como é o caso de Norris (2006), Weidema (2006) e Neugebauer et al. (2016).
Ambos os modelos apresentados por Wu et al. (2015) assim como o de Feschet et al. (2013) não apresentam como obter FCs.
4. Conclusões
A partir da aplicação dos critérios nos 7 artigos selecionados, os resultados preliminares demonstram que é possível fazer a diferenciação entre os modelos, contudo:
i) os critérios estavam claros, entretanto, o último critério (Existência e viabilidade de obtenção de FC nacional) poderia ser excluído e analisado juntamente com o critério de Existência de Fator de Caracterização;
ii) para o critério de sazonalidade observou-se a necessidade de melhor definição do critério;
iii) existe grande heterogeneidade entre os artigos de modelos de AICV-S, não sendo claras as descrições das cadeias de causa e efeito, relação com as ciências sociais, equações e dados utilizados;
iv) os modelos de caracterização são prioritariamente do Tipo III e os estudos não apresentam, em geral, os fatores de caracterização;
v) há possibilidade de realizar diferenciação espacial, no entanto, não há diferenciação temporal nos modelos apresentados.
Os próximos passos consistem em consultar especialistas acerca dos critérios e averiguar os demais artigos dos tipos II e III.
Agradecimentos
Os autores agradecem ao GTACV-S pelas discussões realizadas, ao Grupo O Boticário, à Fundação Araucária e ao CNPq pelo financiamento da pesquisa.
Referências
FESCHET, Pauline, et al., 2013. Social impact assessment in LCA using the Preston pathway. The International Journal of Life Cycle Assessment, February 2013, vol. 18, issue 2, pp. 490-503. Available from: doi: <https://doi. org/10.1007/s11367-012-0490-z>.
HUTCHINS, Margot J. and SUTHERLAND, John W., 2008. An exploration of measures of social sustainability and their application to supply chain decisions. Journal of Cleaner Production, October 2008, vol. 16, issue 15, pp. 1688-1698. Available from: doi: <https://doi.org/10.1016/j. jclepro.2008.06.001>.
JRC EUROPEAN COMMISSION, 2011. ILCD handbook recommendations for life cycle impact assessment in the european context: based on existing environmental impact assessment models and factors. Luxemburg: Publication Office of the European Union, 2011. Available from: <http:// publications.jrc.ec.europa.eu/repository/handle/JRC61049>.
NEUGEBAUER, Sabrina, EMARA, Yasmine, HELLERSTRÖM, Christine and FINKBEINER, Matthias, 2017. Calculation of fair wage potentials along products’ life cycle: introduction of a new midpoint impact category for social life cycle assessment. Journal of Cleaner Production, February 2017, vol. 143, pp. 1221-1232. Available from: doi: <https://doi.org/10.1016/j. jclepro.2016.11.172>.
NORRIS, Gregory A., 2006. Social impacts in product life cycles: towards life cycle attribute assessment. The International Journal of Life Cycle Assessment, January 2006, vol. 11, suppl. 1, pp. 97-104. Available from: doi: <http://dx.doi. org/10.1065/lca2006.04.017>.
TOUCEDA, Maria Isabel, NEILA, Francisco Javier and DEGREZ, Marc, 2018. Modeling socioeconomic pathways to assess sustainability: a tailored development for housing retrofit. The International Journal of Life Cycle Assessment, March 2018, vol. 23, issue 3, pp. 710-725. Available from: doi: <https://doi.org/10.1007/s11367-016-1194-6>.
UGAYA, Cássia Maria, et al., 2016. Avaliação de Impacto do Ciclo de Vida: método para análise da regionalização de fatores de caracterização. In: Congresso Brasileiro em Gestão do Ciclo de Vida, 5, Fortaleza-CE: IBICT, 2016. Available from: <http://acv.ibict.br/wp-content/uploads/2018/08/Anais_ GCV2018.pdf>.
UNITED NATIONS ENVIRONMENT PROGRAMM, 2009. Guidelines for social life cycle assessment of products. Paris: UNEP, 2009. Available from: <http:// www.unep.fr/shared/publications/pdf/dtix1164xpa-guidelines_slca.pdf>. WEIDEMA, Bo P., 2006. The integration of economic and social aspects in life cycle impact assessment. The International Journal of Life Cycle Assessment, January 2006, vol. 11, suppl. 1, pp. 89-96. Available from: doi: <https://doi. org/10.1065/lca2006.04.016>.
WU, Susie R., et al., 2015. Causality in social life cycle impact assessment (SLCIA). The International Journal of Life Cycle Assessment, September 2015, vol. 20, issue 9, pp.1312-1323. Available from: doi: <https://doi.org/10.1007/ s11367-015-0915-6>.
