MétaCan
Menu
Retour à la cohorte
Enregistrement W1571250031 · doi:10.1080/08941920.2015.1014606

Shifting Formalization Policies and Recentralizing Power: The Case of Zimbabwe's Artisanal Gold Mining Sector

2015· article· en· W1571250031 sur OpenAlexfundno aff
Samuel J. Spiegel

Notice bibliographique

RevueSociety & Natural Resources · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesConsortium of International Agricultural Research CentersCambridge Commonwealth TrustUniversity of EdinburghEuropean CommissionPierre Elliott Trudeau Foundation
Mots-clésGold miningPower (physics)BusinessNatural resource economicsEconomic growthEnvironmental planningEconomic systemEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

In the 1990s, government authorities in Zimbabwe introduced internationally praised policies to formalize the artisanal and small-scale mining sector, using a combination of district-administered and nationally administered licensing and capacity-building measures. While “decentralization” efforts in the 1990s and early 2000s were hampered by insufficient resource and power transfers, the model was seen by environmental scholars as a source of optimism. However, as economic crisis deepened in the 2000s, national officials (a) revoked the power of Rural District Councils to regulate riverbed alluvial gold panning and (b) increased barriers to formally licensed small-scale primary ore mining. This article examines the recentralization of power in this growing informal sector, exploring how heavy-handed implementation of national reforms contributed to livelihood insecurity. The study emphasizes how national officials invoked “formalization” rationales for mining policy shifts that obscured their underlying political and economic drivers, disempowering local district authorities and deepening the marginalization of informal livelihoods.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,359

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0130,016
Communication savante0,0070,004
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociety & Natural ResourcesMême sujetMining and Resource ManagementTravaux en français237 207