MétaCan
Menu
Retour à la cohorte
Enregistrement W2582889525 · doi:10.4028/www.scientific.net/aef.20.68

A Study on Ivory Coast with the Impacts of Artisanal Gold Mining on Local Livelihoods and the Mining Industry

2017· article· en· W2582889525 sur OpenAlexaff
Kouame Joseph Arthur Kouame, Fu Xing Jiang, Yu Feng, Si Tao Zhu

Notice bibliographique

RevueAdvanced engineering forum · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLivelihoodGold miningPovertyAgricultureMining industryBusinessNatural resource economicsEnvironmental degradationLocal communityOrder (exchange)SustainabilityEnvironmental planningEconomic growthGeographyPolitical scienceMining engineeringEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

In rural regions, mining is an activity that employs many people due to the fact that the barriers to entry are sometime trivial, with very low technology, capital fund and no specialized skills required. Many people including children into artisanal mining in Ivory Coast because they can earn higher incomes in mining than through other traditional activities such as agriculture, which is the main activity in the country. Artisanal mining contribute to reduce the abject poverty and it offers many others opportunities. However, this activity has many negative social impacts. Local people including miners are risking their life everyday due to the unsanitary conditions, prostitution, chemical contaminants, and alcoholism, and also the large degradation of lands. The main objective of this Paper is to understand how artisanal gold mining in the Ivory Coast affects local livelihoods and the environment. Some key recommendations for addressing artisanal mining activities in order to have a good option for sustainable management of mineral resources in the country are proposed.

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 enseignants0,100
Score d'incertitude au seuil0,198

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,218
Écart entre enseignants0,210 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced engineering forumMême sujetMining and Resource ManagementTravaux en français237 207