Mineral Exploration: Discovering and Defining Ore Deposits
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Editor’s note: The Geology and Mining series, edited by Dan Wood and Jeffrey Hedenquist, is designed to introduce early-career professionals and students to a variety of topics in mineral exploration, development, and mining, in order to provide insight into the many ways in which geoscientists contribute to the mineral industry. Abstract For economic geologists, mineral exploration has a specific objective: the discovery of mineral concentrations that can be recovered economically to provide resources essential for society. This was achieved consistently until the first decade of the current century, but exploration since then has been wealth destructive. This outcome is a major issue for the mining industry unless reversed. We believe the technologies presently used to discover ore deposits will be as useful in making future discoveries as they were previously. However, we argue that a new approach is required in how exploration is conducted and in how these and emerging technologies are applied. The required changes in approach include improved business models for conducting exploration and acceptance that fewer deposits are likely to be discovered near the surface. We argue that discovery of deeper deposits will be facilitated if exploration teams (1) seek to identify subtle evidence of mineralized rock recognizable within 500 m of the surface, (2) conduct follow-up investigations with a clear understanding of the volumetric dimensions of the discovery target, and (3) drill boldly as a critical exploration tool. We propose that improving the way geoscientists think when exploring—being more predictive—is the immediate key to increasing the number of discoveries.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 découle