Economic Activities of Mining Production and Agricultural Economic Growth in South Africa
Notice bibliographique
Résumé
South Africa is experiencing declining mining sector output that is economically detrimental as it leaves large numbers of mining workers unemployed.Unskilled retrenched mine workers from about 5,906 abandoned mines resulted in a discrete jump in the productive wealth of poor South Africans, as trends in mining profits declined.It is precisely this challenge that made economic succession planning in South African mines a potentially attractive policy option in the fight against poverty.This paper provides some of the first well-identified estimates of the viability of how post mining transformation can take place through agricultural production.Therefore, the paper aims to examine the relationship between the mining production economic activities and the agricultural economic growth using South African data.Employing the autoregressive distributive lag approach and impulse response functions, it has been found that the mining production has a significant long run relationship and can positively influence the agricultural economy.This is in line with the views of Rostow (1959) that mining production can be associated with agricultural activities and be used as a tool for post mining transformation.Therefore, it can be recommended that mines can engage to formulate policies that address post mining transformation into agricultural activities to redirect labor skills when the time of closing mines come.Suggested policies range from skill redirection of mine workers to agricultural activities.For instance, plantation of some fibrous plants that can grow well in mining land, and engage in some more economic activities like manufacturing and tourism of those agricultural products.
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) | 0,001 | 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 ».