MétaCan
Menu
Retour à la cohorte
Enregistrement W3167775759 · doi:10.5194/egusphere-egu21-8895

Opportunities related to Moroccan mine wastes valorisation

2021· article· en· W3167775759 sur OpenAlexaff
Yassine Taha, Rachid Hakkou, Mostafa Benzaazoua

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésTailingsWaste managementHazardous wasteEnvironmental scienceMining engineeringEngineeringMetallurgyMaterials science

Résumé

récupéré en direct d'OpenAlex

<p>Large amounts of solid wastes are produced by the mining industry. These wastes are often considered as problematic materials as they can lead to harmful impacts on the surrounding environment and the society. However, it was proved by many studies that most of mine wastes are inert but sometimes mixed with problematic components such as sulfidic minerals and hazardous metals and metalloids. Reprocessing and retreatment of mine wastes is a key sustainable solution to remove the sources of pollution and to recover the remaining high value products. Many studies around the world have demonstrated the big interest in recovering the residual metals and the use of mine wastes in other applications such as the construction sector.</p><p> </p><p>In this study, a special accent will be given to the current management practices of mine wastes in Morocco as well as the possible opportunities related to the reuse of mine wastes coming from different mining activities. Three main materials categories are targeted: phosphate waste rocks and tailings, coal waste rocks and zinc tailings. The goal is to suggest more sustainable management methods and to explore new future opportunities related to the re-use and reprocessing of these wastes. Some possible high value-added products from these types of wastes are suggested based on their characteristics, location and volume. Construction aggregates, ceramics, bricks, cement, glass, acid mine drainage control, and road-base construction are among the possible explored channels.</p>

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,568
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,040
Tête enseignante GPT0,239
Écart entre enseignants0,199 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMetal Extraction and BioleachingTravaux en français237 207