MétaCan
Menu
Retour à la cohorte
Enregistrement W3201640375 · doi:10.5382/segnews.2003-54.fea

Nickel Laterites: A Review

2003· review· en· W3201640375 sur OpenAlexaff
Sarah A. Gleeson, C.R.M. Butt, M. Eliás

Notice bibliographique

RevueSEG Discovery · 2003
Typereview
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLateriteNickelSilicateWeatheringGeologySmeltingLeaching (pedology)FerroalloyPyrometallurgyGeochemistryMetallurgyMineralogyMaterials scienceChemistrySoil scienceSoil water

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Nickel laterite deposits are formed by the prolonged and pervasive weathering of Ni silicate-bearing ultramafıc rocks, generally in tropical to subtropical climates. The deposits can be further classifıed as hydrous silicate deposits (e.g., SLN Operations, New Caledonia), clay silicate deposits (e.g., Murrin Murrin, Australia), and oxide deposits (e.g., Moa Bay, Cuba; Cawse, Australia) on the basis of the ore mineralogy. The physical and chemical nature of a nickel laterite deposit is a function of many factors, including the composition of the parent rock, the tectonic setting, climate, topography (specifıcally, laterite morphology), and drainage. Nickel laterite ore is extracted using both selective and bulk mining methods in open cast mining operations. The mined ore has traditionally been processed either by hydrometallurgical leaching technology (pressure acid leach or Caron processes) to produce oxides of nickel and cobalt or mixed Ni-Co sulfıdes for market, or by pyrometallurgical smelting to produce ferronickel granules or nickel matte. However, recent advances in high-pressure acid leaching and continued testing of atmospheric leach technology should lead to a reduction in overall operating costs and increased exploitation of Ni laterite resources in the future.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,310
Écart entre enseignants0,267 · 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'étudeSans objet
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

Citations135
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSEG DiscoveryMême sujetMetal Extraction and BioleachingTravaux en français237 207