A novel dataset for analysing sub-national socioeconomic developments in the Indian coal industry
Notice bibliographique
Résumé
Abstract Coal use needs to rapidly decline in the global energy mix in the next few decades in order to meet the Paris climate goals of keeping global warming well below 2-degrees Celsius. In emerging economies such as India (the second largest producer and consumer of coal) this would entail reducing long-term coal dependency. Prior work has focused on a coal transition in India from a techno-economic point of view, yet little attention has been given to the socio-economic dimensions of this transition. This is in part due to lack of availability of datasets required for such analysis. The first step in understanding the socio-economic dimensions of a coal transition in India is to understand the scale of current socio-economic dependency on coal at the sub-national level. We contribute to this literature by creating a novel dataset comprised of all 459 operational coal mines in India, using multiple Right to Information Act applications (India’s Freedom of Information Act) and then combining this dataset with coal company wise employment factors to estimate direct job numbers at the district level (a sub-administrative unit). We find that coal is produced in 51 districts in 13 states in India with large variations in employment numbers among these districts. While Korba district in Chhattisgarh state is the highest coal producing district, Dhanbad district in Jharkhand state is home to the highest number of coal mining workers. This is the first attempt at understanding the socio-economic dependency on coal at a district level and future work could focus on quantifying other district level socio-economic indicators such as coal related revenues. The new dataset and the results of this paper will be useful for scholars conducting future work on coal transitions and related topics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».