MétaCan
Menu
Retour à la cohorte
Enregistrement W2784350000

Impact and Benefit Agreements and the Protection of Indigenous Peoples Rights: Any New Lessons from Canada?

2017· article· en· W2784350000 sur OpenAlexaboutno aff
Joseph Onele

Notice bibliographique

RevueSSRN Electronic Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousGoodwillPolitical scienceIndigenous rightsHuman rightsGlobeLegislatureStatutory lawLawPublic administrationBusinessFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In recent times, there has been agitation for legislative recognition of indigenous land rights across different parts of the globe. There seems to be an awakening that mere reliance on the cooperation and goodwill of companies, without more, does not offer a lasting solution to calming the fear of indigenous peoples. This article, therefore, considers the proposition that indigenous groups benefit more from resource extraction with a solid legal framework. This article aligns with this proposition and argues that entrenching the rights of indigenous people as well as making an Impact and Benefit Agreement (IBA) a statutory requirement to extracting mineral resources would go a long way in further protecting the indigenous peoples rights in accordance with the United Nations Declaration on the Right of Indigenous People (UNDRIP), and other international human rights instruments. The article argues that the relative success of IBAs in Canada and some other jurisdictions notwithstanding, there is still more that can be done to ensure that IBAs not only address the ‘resource curse’ in countries blessed with mineral resources, but also become tools in empowering the indigenous peoples and protecting their rights as affirmed under relevant international legal instruments.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,143
Score d'incertitude au seuil0,995

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0210,017
Communication savante0,0130,007
Science ouverte0,0020,004
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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'étudeSans objet
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 revueSSRN Electronic JournalMême sujetMining and Resource ManagementTravaux en français237 207