Exploring the Significance of Earning a Social License to Operate in an Urban Setting
Notice bibliographique
Résumé
Mining companies are increasingly approaching the social aspect of sustainable development within the rural communities that neighbour their projects and operations. Rural community engagement requires significant effort and resources, and it can be extremely challenging for mining companies to earn and sustain social capital. The focus on rural, proximal community engagement is not to be understated and has led to significant benefits in many communities. However, opposition to mining projects is often exhibited in urban environments, where there may be potential for mining companies to gain social capital with relative ease. Cities tend to have existing frameworks for community engagement and public activation, such as annual parades and festivals, that make it easy for a mining company to provide financial support or value-in-kind. Local organizations and community groups can achieve the same amount of engagement in an urban environment with significantly less effort required from the mining company. By applying simple marketing principles to community engagement strategies, corporations can increase awareness for their business and encourage city residents to think critically about the origin of resources. Unlike many corporations, mining companies are not marketing or selling products to individual consumers. From this arises the opportunity for a company to use marketing to promote other positive initiatives and, as such, connect their brand with positive messaging thus earning social capital. This may lead to a wide variety of secondary impacts including benefits to recruitment efforts, increased political support, and positive media coverage. This paper explores these matters with special reference to Vancouver, BC, Canada and the mining companies Teck and Goldcorp.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».