MétaCan
Menu
Retour à la cohorte
Enregistrement W3180482161

Mine Waste Management in Nepal: An Overview of Limestone Quarries

2021· article· en· W3180482161 sur OpenAlexaff
Birendra Sapkota, Kumar Khadka, Manish Kiran Shrestha, Santa Man, Ambika Paudel

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensCarleton UniversityQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésLegislatureEnvironmental planningResource (disambiguation)Constraint (computer-aided design)Waste managementMining engineeringEngineeringBusinessEnvironmental resource managementEnvironmental scienceGeographyArchaeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to evaluate the management of non-metallic mine waste in general, and specifically, limestone mine waste in Nepal. The authors reviewed the policy documents and the regulations, assessed the implementation of the regulations on this issue considering a few selected limestone quarry sites, and discussed how mine waste can be managed more efficiently with reference to existing practices from the developed countries. Our analysis shows that despite the challenges that exist due to complex geology, steep topography, and financial constraint associated with surface mining and waste management, the available management strategies have not been implemented adequately in the majority of the mine/quarry sites. This indicates a need for a relook into the current practices of mine waste management and formulating appropriate mine waste management-related policies of the country. The national demand for cement has been soaring, and more cement industries are operating in recent years. Consequently, the volume of the mine waste will increase in far excess of the liberated resource and it can create environmental degradation if not managed appropriately and in time. The authors recommend legislative reform and suggest the implementation of feasible management strategies at the mine sites.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

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
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 GPT0,335
Écart entre enseignants0,294 · 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'étudeObservationnel
Domainenon disponible
GenreSynthèse

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 revueRePEc: Research Papers in EconomicsMême sujetMine drainage and remediation techniquesTravaux en français237 207