MétaCan
Menu
Retour à la cohorte
Enregistrement W3194094004 · doi:10.5382/segnews.2011-84.fea

Paradigmatic Shifts in the Uranium Exploration Process: Knowledge Brokers and the Athabasca Basin Learning Curve

2011· article· en· W3194094004 sur OpenAlexaffabout
James Marlatt, Kurt Kyser

Notice bibliographique

RevueSEG Discovery · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésUraniumUranium oreSoftware deploymentProcess (computing)Structural basinIdentification (biology)GeologyComputer scienceKnowledge managementBusinessMining engineeringEarth scienceEnvironmental resource managementPaleontologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Uranium exploration increased over the past decade in response to an increase in the price of uranium, with more than 900 companies engaged in the global exploration on over 3,000 projects. Major economic discoveries of new uranium orebodies have been elusive despite global exploration expenditures of $3.2 billion USD, with most of the effort in historical uranium districts. The increased effort in exploration with minimal return can be described through the example of a cyclical model based on exploration and discovery in the prolific Athabasca Basin, Saskatchewan. The model incorporates exploration expenditure, quantities of discovered uranium, and the sequence of uranium deposit discoveries to reveal that discovery cycles are epochal in nature and that they are also intimately related to the development and deployment of new exploration technologies. Exploration in the Athabasca Basin can be divided into an early “prospector” phase and the current “model-driven”phase. The future of successful uranium exploration is envisaged as the “innovation exploration” stage in which a paradigmatic shift in the exploration approach will take the industry towards new discoveries by leveraging research and technology development. Effective engagement within the “innovation exploration” paradigm requires that exploration organizations recognize knowledge brokers, and adopt research, development, and technology transfer as a long-term, systematic strategy, including critical definition of exploration targets, identification of innovation frontiers needed, enhanced leadership to accurately portray the research and development imperative and elevation of the status of the research and development effort within the organizational system.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,010
Communication savante0,0090,008
Science ouverte0,0010,008
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,027
Tête enseignante GPT0,234
Écart entre enseignants0,207 · 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'étudeQualitatif
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

Citations11
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSEG DiscoveryMême sujetGeochemistry and Geologic MappingTravaux en français237 207