MétaCan
Menu
Retour à la cohorte
Enregistrement W3005092604 · doi:10.5539/jpl.v13n1p66

Russian Gas Companies Strategies in the Asia-Pacific and in the Arctic under Western Sanctions and Selective Government Support

2020· article· en· W3005092604 sur OpenAlexvenueno aff
Сергей Витальевич Севастьянов, Ekaterina Sokolova

Notice bibliographique

RevueJournal of Politics and Law · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSanctionsGovernment (linguistics)International tradeChinaFossil fuelBusinessArcticPacific RimEconomyPolitical scienceEconomicsOceanographyEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

The main purpose of this research is to determine whether Russia being under Western economic sanctions could significantly strengthen its presence in the Asia-Pacific with a pipeline gas and LNG supplies. Based on the study of the Russia’s current and planned gas projects in the eastern part of the country and in the Arctic, that are realized under sanctions’ pressure, the authors concluded that most probably by 2030 Moscow can reach this strategic objective. To resist Western sanctions against the Russian energy industry Moscow launched a program of accelerated import substitution, and as a result they have only partially achieved their goals. Considering Russia’s largest gas exporters, they resorted to different strategies to counter sanctions. The state company Gazprom postponed plans for offshore gas exploration in the Arctic and continues to prioritize gas pipeline projects which reinforce its dependence on China. In contrast, with the help from the RF government and foreign investors, the private company Novatek successfully creates a powerful infrastructure for producing LNG in the Arctic and for delivering it to Europe and the Asia-Pacific.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,308
Écart entre enseignants0,275 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetArctic and Russian Policy StudiesTravaux en français237 207