MétaCan
Menu
Retour à la cohorte
Enregistrement W2184063420

Impact and Benefit Agreements: Are they working?

2010· article· en· W2184063420 sur OpenAlexaboutno aff
Jason Prno, Ben Bradshaw, Dianne Lapierre

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Resource (disambiguation)Public relationsBusinessFocus groupCorporate governancePolitical scienceEnvironmental resource managementEnvironmental planningGeographyMarketingEconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The emergence of Impact and Benefit Agreements (IBAs) in the Canadian mining sector has been read by many as a positive governance innovation. Negotiated directly between mineral resource developers and Aboriginal communities with limited government interference, IBAs serve to manage impacts associated with a mining project and deliver tangible benefits to local communities. Notwithstanding their increasing use and significance, limited systematic analysis has been undertaken to determine whether they are, in fact, working. This paper reports on the effectiveness of a number of IBAs negotiated in support of three northern Canadian diamond mines, drawing on evidence from time-series data, key informant interviews, and focus group meetings in Yellowknife and Dettah, NWT, and Kugluktuk, NU. While some deficiencies were apparent and perceptions of effectiveness varied somewhat by Aboriginal community, the IBAs were generally found to be meeting their objectives, especially with respect to the delivery of benefits. For Aboriginal communities affected by mineral development in the Canadian North, this represents a significant change to typical outcomes of the past. Moving forward, research on IBA effectiveness needs to adopt a longer timeframe and begin to gauge the degree to which IBAs are able to address long-standing concerns associated with hinterland resource extraction beyond their agreement-specific objectives.

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 enseignants0,340
Score d'incertitude au seuil0,337

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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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

Citations14
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMining and Resource ManagementTravaux en français237 207