Integrated Assessment of Artisanal and Small-Scale Gold Mining in Ghana — Part 3: Social Sciences and Economics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article is one of three synthesis reports resulting from an integrated assessment (IA) of artisanal and small-scale gold mining (ASGM) in Ghana. Given the complexities that involve multiple drivers and diverse disciplines influencing ASGM, an IA framework was used to analyze economic, social, health, and environmental data and to co-develop evidence-based responses in collaboration with pertinent stakeholders. We look at both micro- and macro-economic processes surrounding ASGM, including causes, challenges, and consequences. At the micro-level, social and economic evidence suggests that the principal reasons whereby most people engage in ASGM involve "push" factors aimed at meeting livelihood goals. ASGM provides an important source of income for both proximate and distant communities, representing a means of survival for impoverished farmers as well as an engine for small business growth. However, miners and their families often end up in a "poverty trap" of low productivity and indebtedness, which reduce even further their economic options. At a macro level, Ghana's ASGM activities contribute significantly to the national economy even though they are sometimes operating illegally and at a disadvantage compared to large-scale industrial mining companies. Nevertheless, complex issues of land tenure, social stability, mining regulation and taxation, and environmental degradation undermine the viability and sustainability of ASGM as a livelihood strategy. Although more research is needed to understand these complex relationships, we point to key findings and insights from social science and economics research that can guide policies and actions aimed to address the unique challenges of ASGM in Ghana and elsewhere.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle