MétaCan
Menu
Retour à la cohorte
Enregistrement W1978282434 · doi:10.2118/167524-ms

The Changing Face of Global Oil and Gas Production and its Implication on Nigeria

2013· article· en· W1978282434 sur OpenAlexaboutno aff
I. A. Ike, Martin Emaeyak Leo

Notice bibliographique

RevueSPE Nigeria Annual International Conference and Exhibition · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRevenueChinaBusinessFossil fuelProduction (economics)PetroleumShale gasTransparency (behavior)Petroleum industryFace (sociological concept)Oil shaleNatural resource economicsEconomyEconomicsMarket economyFinanceEngineeringGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract The media are awash with discussions of the US becoming the largest oil producer in less than a decade and to be self-sufficient in energy in about two-decade's time. That means a lot for Nigeria since the US has been the largest buyer of Nigeria's crude oil. Losing one's largest customer only to see the erstwhile customer becoming a major competitor is a dreaded nightmare for any business outfit. India and China may not necessarily have the capacity to buy off what the US is predicted to leave off as there are potentially new players like the countries of East Africa, Brazil and Canada coming on the scene or strengthening their hold on the market. It is also important to note that the shale business may also thrive in China, a country that is estimated to have the largest shale gas reserve. This paper investigates the far-reaching implication of these strategic developments and prospects on the future of oil and gas production in Nigeria and on the Nigerian economy which is currently heavily dependent on petroleum revenue. It concludes that Nigeria can only have a chance if it aggressively increases it local energy utilization and become more competitive in the oil and gas business by improving community integration and environmental responsiveness, transparency, professionalism and efficiency.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,364

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 Opus0,019
Tête enseignante GPT0,282
Écart entre enseignants0,263 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Nigeria Annual International Conference and ExhibitionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207