MétaCan
Menu
Retour à la cohorte
Enregistrement W2398871119 · doi:10.1080/14615517.2016.1176405

Unconventional shale gas development: challenges for environmental policy and EA practice

2016· article· en· W2398871119 sur OpenAlexaff
Nonita T. Yap

Notice bibliographique

RevueImpact Assessment and Project Appraisal · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHydraulic fracturingUnconventional oilEnvironmental planningAquiferEnvironmental impact assessmentCumulative effectsShale gasEnvironmental scienceEnvironmental resource managementGroundwaterBusinessOil shalePetroleum engineeringGeologyPolitical scienceEcologyWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

The growth of unconventional shale gas development has been accompanied by controversy over its environmental and social impacts. This paper reviews recent literature to clarify what is known and not known about the physical, chemical and toxicological properties of the process chemicals and wastewaters generated in hydraulic fracturing, the mechanisms and pathways by which they enter surface water and groundwater aquifers and the risks posed to human and ecosystem health. Assessing the impacts of unconventional shale gas development is clearly constrained by a lack of baseline information, complex hydrogeological histories for natural migration of hydrocarbons, lack of tracers to monitor and verify the source, timing and mechanism of contaminant migration into water resources. This is compounded by lack of transparency and accountability in policy decisions. The paper argues that managing the social and environmental risks of unconventional shale gas development calls for a new generation of impact assessment, one that marries the ideals of strategic environmental assessment, cumulative effects assessment, backcasting and deliberative and inclusive processes of community engagement towards collective risk management.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,807

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 savante0,0000,001
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 Opus0,022
Tête enseignante GPT0,356
Écart entre enseignants0,334 · 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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImpact Assessment and Project AppraisalMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207