MétaCan
Menu
Retour à la cohorte
Enregistrement W2740768199 · doi:10.18533/rss.v2i7.106

Putting small-scale mining in perspective: an analysis of risk perception of a southwestern Nigerian community

2017· article· en· W2740768199 sur OpenAlexaff
Sesan Adeniyi Adeyemi, Ayodele Olagunju

Notice bibliographique

RevueReview of Social Sciences · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésScale (ratio)Ranking (information retrieval)Index (typography)PopularityPerceptionEnvironmental resource managementPopulationRisk perceptionBusinessEnvironmental planningGeographyEnvironmental healthPsychologyEconomicsMedicineSocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

<p>Across the developing world, informal small-scale mining is still growing in popularity, so are its significant socio-environmental burdens to the host communities. The assumption that understanding risk tolerance at small scale of mining is important to recommending effective planning approach, in mitigating its environmental impacts, and in promoting environmentally responsible oversight gave rise to this survey. Quantitative responses from a systematic random sampling of 506 residents of Ijero-Ekiti mining community (southwestern Nigeria) are presented with an emphasis on risk perception and management measures. By ranking 21 variables identified through an extensive literature review, residents’ tolerance index (RTI) and resident agreement index (RAI) are computed. The results suggest that while residents’ risk perception is largely motivated by socio-economic considerations brought about by a major surge in population growth in recent years, there is greater desire for an active public engagement and improved regulatory oversight. The conclusion highlights the value of local capacity building and increased awareness of less risky economic alternatives in successfully implementing long-terms solutions to risks associated with unsustainable mining practice at any scale.</p>

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,226
Score d'incertitude au seuil0,407

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,330
Écart entre enseignants0,291 · 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.

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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Social SciencesMême sujetMining and Resource ManagementTravaux en français237 207