MétaCan
Menu
Retour à la cohorte
Enregistrement W2557470770 · doi:10.5539/eer.v6n2p52

Identification of Land Subsidence and Management Using Cadastral Techniques, Mining Area of Raniganj, Barddhaman District, India

2016· article· en· W2557470770 sur OpenAlexvenueno aff
Sonjay Mondal, Debashish Chakravarty, Jatisankar Bandyopadhyay, Kunal Kanti Maiti

Notice bibliographique

RevueEnergy and Environment Research · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSouth Asian Studies and Conflicts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLand reclamationCoal miningSubsidenceNatural (archaeology)Mining engineeringEnvironmental scienceUnderground mining (soft rock)Groundwater-related subsidenceCadastreEnvironmental impact assessmentSurface miningCoalEnvironmental protectionEnvironmental resource managementEnvironmental planningGeologyGeographyEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Coal mining, open crest/underground adversely affects the Eco-system. Raniganj area known as mining zone, but several time natural hazards (land subsidence) occurs in the area, Subsidence in old workings leads to severe damage to surface structures. it is very much important that suitable assessment studies to learn the potential adverse impact of mining on environmental ecosystem (flora, fauna). In the subsequent discussions an attempt has been made to clarify the coal mining activities and its outstanding impact on environment and agricultural activities. The study area region being the foremost coal producing region country, it’s also ranked high in the list of environmentally degraded areas, in mining area have seen that waste materials are usually stacked as huge dumps in surroundings. After that those dumps were coupled with coal dumps, because this significant effect impact on land. The environmental awareness is given our society brought life from mining area another concerted effort for reclamation of the subsided land.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,093
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,051
Tête enseignante GPT0,318
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy and Environment ResearchMême sujetSouth Asian Studies and ConflictsTravaux en français237 207