MétaCan
Menu
Retour à la cohorte
Enregistrement W1603658155 · doi:10.14207/ejsd.2015.v4n2p359

The Canadian oil sands development: Management of land, air and water resources

2015· article· en· W1603658155 sur OpenAlexaffabout
César A. Poveda

Notice bibliographique

RevueEuropean Journal of Sustainable Development · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceBusinessWater resource managementNatural resource economicsEconomics

Résumé

récupéré en direct d'OpenAlex

The Canadian oil sands -the third largest proven reserves of oil after Saudi Arabia and Venezuelaare located in Northern Alberta, Canada; these deposits of unconventional oil are an attractive investment for oil & gas developers and governments not only because of the size of the reserves but also the geopolitical stability of the region.Nevertheless, the development of the projects and current operations are facing opposition and struggling with a negative campaign around the world due in part to misinformation of the facts, lack of knowledge of the process throughout the projects life cycle, and years of stakeholder mismanagement.Indisputably, the development of the projects carries a series of impacts (environmental, social, economic, and health); developers and operators may dispute the intensity of the impacts but not the existence of them.The manuscript discusses the impacts on land, water and air resources based on indicators included in sustainability reports presented by oil sands developing and operating organizations.These reported statistics give a broader understanding of the current state of the Canadian oil sands and their development.The aim of the manuscript is to present these statistics four most common environmental impacts from oil sands development: greenhouse gas emissions, land use, water use, and tailing ponds.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,287

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0050,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,169
Écart entre enseignants0,161 · 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

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Sustainable DevelopmentMême sujetMining and Resource ManagementTravaux en français237 207