MétaCan
Menu
Retour à la cohorte
Enregistrement W2996211426 · doi:10.3390/su12010047

Pipeline Spills and Indigenous Energy Justice

2019· article· en· W2996211426 sur OpenAlexaffabout
Ranjan Datta, Margot Hurlbert

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésIndigenousSustainabilityPipeline (software)LivelihoodEnvironmental planningParticipatory action researchEnvironmental justiceEnvironmental resource managementBusinessNatural resource economicsGeographyEnvironmental scienceEngineeringPolitical scienceEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

The Canadian provinces of Alberta and Saskatchewan transport their energy resources by pipeline to the eastern and western seaboards, and south into the United States. The used pipeline infrastructure reshapes the landscape and affects sustainability of the environment, traditional Indigenous livelihoods, and drinking water, particularly when spills and leaks occur. This scoping review is focused on Indigenous sustainability issues in relation to surrounding pipeline spills/leaks, impacts on drinking water and Indigenous communities in Western Canada. We found that Indigenous communities are particularly vulnerable to pipeline leaks, and have limited capacity to mitigate them. Strategic decisions need to be made about the management of pipeline leaks. For building Indigenous energy justice, the findings of this paper suggest that Indigenous-led databases, programs to monitor and assess impacts, report leaks, and funding of community-based participatory action research are required.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,003
Tête enseignante GPT0,193
Écart entre enseignants0,190 · 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'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

Citations27
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetMining and Resource ManagementTravaux en français237 207