MétaCan
Menu
Retour à la cohorte
Enregistrement W1972162209 · doi:10.1016/j.proeps.2013.01.018

The Geology, Mineral Resources of Sierra Leone and how the Resources can be Used to Develop the Nation

2013· article· en· W1972162209 sur OpenAlexaboutno aff
Abu Bakarr Jalloh, Kyuro Sasaki, Mustapha Olajiday Thomas, Yaguba Jalloh

Notice bibliographique

RevueProcedia Earth and Planetary Science · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSierra leoneCratonGeologyArcheanMineral explorationGeochemistryMineral resource classificationChromiteBasementMaficMining engineeringEarth scienceTectonicsGeographyArchaeologyDevelopment economicsPaleontology

Résumé

récupéré en direct d'OpenAlex

Sierra Leone forms part of the West African Craton whose counterpart is the Guyana shield. Two main structural divisions are recognized; (a) the Liberian granite-greenstone terrain and (b) the pene-contemporaneous Kasila group mobile belt. Radiometric ages from both divisions show a spread from 2100 Ma to over 3400Ma. The rocks in the country are predominantly Archaeanconsisting of a granitic basement containing elements of sedimentary, mafic formations and a group of supracrustal greenstone belts with banded ironstones and detrital sediments. In common with most Archaean terrains, the country has considerable mineral deposits and reviews of these deposits have been based on similarities between the Archaean of Sierra Leone and that of the Superior province in Canada or the Rhodesian craton in South Africa. In this study, the country's primary mineral resources which are diamonds, rutile, gold, bauxite, and iron oreare discussed. The production or mining of these resources contributed about 20% of GDP and up to 15% of fiscal revenues until the closure of some mines before the civil war and the others during the war. It is believed that if the economy of this post conflict nation is to grow stronger the mining industry will have to serve as an engine to its economic growth.Four recommendations have been proposed on how current and prospective Sierra Leonean governments will achieve their developmental objectives using revenue generated from the mining of these mineral resources.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,195
Score d'incertitude au seuil0,209

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,179
Écart entre enseignants0,162 · 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 tête enseignante, 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

Citations15
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Earth and Planetary ScienceMême sujetMining Techniques and EconomicsTravaux en français237 207