MétaCan
Menu
Retour à la cohorte
Enregistrement W2547501295 · doi:10.1139/er-2016-0042

Initiatives to combat mercury use in artisanal small-scale gold mining: A review on issues and challenges

2016· review· en· W2547501295 sur OpenAlexvenueno aff
Tshia Malehase, Adegbenro P. Daso, Jonathan O. Okonkwo

Notice bibliographique

RevueEnvironmental Reviews · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesDeutscher Akademischer AustauschdienstNational Research Foundation
Mots-clésGold miningMercury (programming language)CompendiumPovertyEnvironmental planningBusinessEnvironmental resource managementPolitical scienceEnvironmental scienceGeographyComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

The Minamata Convention on mercury has received a number of criticisms and challenges that potentially hinder its progress on reducing and controlling mercury use and release by artisanal small-scale gold mining (ASSGM). The resulting weak environmental control has repercussions for the social and environmental wellbeing of countries that subsist on ASSGM in their territory. Lack of distinguishing and categorizing ASSGM, the absence of a contextual implementation plan, and no defined means of communication are some of the aspects that lead to unsuccessful initiatives, particularly on effectively introducing mercury-free technologies. Moreover, an underestimation of the active mining population implies that the problem is greater than what is perceived. ASSGM is a viable source of poverty alleviation which cannot be ignored and therefore the resulting socioeconomic and environmental challenges need to be addressed while optimizing economic benefits. In this paper a compendium of issues and challenges that need to be addressed to reduce and control mercury use and release by ASSGM are discussed. By reviewing the challenges of successful case studies, a comprehensive approach is proposed to enhance the implementation of the Minamata Convention on mercury.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
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)0,0000,001

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 Opus0,095
Tête enseignante GPT0,290
Écart entre enseignants0,195 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetMining and Resource ManagementTravaux en français237 207