Six seas: comparative application of investment attractiveness methodology to Arctic offshore petroleum privinces
Notice bibliographique
Résumé
In the 2000s, Arctic energy sources development climbed to the top of the energy companies' and authorities' agendas.The necessity to increase production volumes and the desire to find new large oil and gas fields triggered investment flows into the Arctic.However, in 2014 the situation changed.The sudden oil price decline left most of the Arctic resources economically unviable and upended the strategic priorities of the main market players: booming investment was replaced by austerity measures.Previously it had been expected that the Arctic states would compete over the natural resources, but with low energy prices they started to compete for investment instead as only the most economically attractive projects could now be financed.This raises the question of the comparative attractiveness of different parts of the Arctic, as oil and gas companies choose where to invest their money.This thesis therefore develops a methodology for analyzing and comparing the investment attractiveness of Arctic offshore petroleum provinces and applies it to nine Arctic maritime areas spread across six Arctic seas.The nine areas are selected, assessed and compared on four dimensions that can affect their attractiveness for investment in oil and gas projects: climatic harshness, geography, petroleum taxation system and quality of investor protection.Based on this multidimensional analysis the Arctic Seas are ranked according to their investment attractiveness.The most attractive areas are the Russian Barents and Kara Seas and the Alaskan Chukchi Sea.Thereafter comes the Norwegian Barents Sea, followed by the Canadian Beaufort Sea, and then Canada's Baffin Bay.The lowest ranked are the Laptev Sea, the Alaskan Beaufort Sea and Greenland's Baffin Bay.The analysis represents quite a general and, to a certain extent, simplified approach and is intended only as a first step in the complex process of investment decision-making.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».