MétaCan
Menu
Retour à la cohorte
Enregistrement W2958012524 · doi:10.1111/issj.12199

Into the deep: science, politics and law in conflicts over marine dumping of mine waste

2018· article· en· W2958012524 sur OpenAlexaboutno aff
Catherine Coumans

Notice bibliographique

RevueInternational Social Science Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesWorld Bank Group
Mots-clésDumpingOpposition (politics)PoliticsLegislationPolitical scienceContext (archaeology)LawEnvironmental ethicsPolitical economyEconomySociologyInternational tradeBusinessEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract National and international deliberations about whether the global mining industry should be permitted to use the earth's seas as mine waste dumps are not decided on the basis of independent scientific data from past or existing sites. Nor is a critical lack of scientific knowledge about the deep sea environment and about the long‐term consequences of marine dumping triggering the precautionary principle for proposed projects. Rather, governments make decisions on submarine tailings disposal (STD) on a mine‐by‐mine basis, in a context of contested scientific claims, considerable political and economic pressure, and, sometimes, contravening or amending existing legislation to allow a project to proceed. These decisions provoke complex social processes that commonly involve: local opposition; political conflict; regulatory and legal challenges; powerful industry lobbies; international financial institutions, and resource‐hungry states. STD projects engender controversy in developing countries, such as Papua New Guinea (Divecha 2002; Shearman 2002a), Indonesia (Edinger 2012; Glynn 2002) and the Philippines (Coumans et al. 2002; Coumans and MaCEC 2002), but also in Canada (Cultural Survival 1982) and Norway (Kvassness et al. 2009). This paper examines cases drawn from the Philippines, Canada and Papua New Guinea to illustrate common themes that arise in conflicts surrounding STD mine projects.

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)0,014
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,020
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0270,098
Communication savante0,0160,009
Science ouverte0,0010,011
Intégrité de la recherche0,0080,009
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 Opus0,011
Tête enseignante GPT0,269
Écart entre enseignants0,259 · 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.

Devis d'étudeQualitatif
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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Social Science JournalMême sujetMining and Resource ManagementTravaux en français237 207