MétaCan
Menu
Retour à la cohorte
Enregistrement W4206396741 · doi:10.54849/monas.v3i2.89

Coal mine management in East Kalimantan: a review of public policy

2021· review· en· W4206396741 sur OpenAlexaff
Devi Triady, Dewi Saraswati

Notice bibliographique

RevueMonas Jurnal Inovasi Aparatur · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoal miningLaw enforcementCorporate governanceTransparency (behavior)BusinessContext (archaeology)CoalEnvironmental planningEnvironmental resource managementEnforcementNatural resourcePolitical scienceLawEnvironmental scienceEngineeringGeographyWaste managementFinance

Résumé

récupéré en direct d'OpenAlex

The problems posed by coal mining in East Kalimantan have an environmental impact and an imbalance of economic growth with social development. In practice, mine management that does not meet the principles of good management, such as corrupt practices, uncontrolled mining permits, indicates the need for a particular study related to coal mining policies and regulations in East Kalimantan Province. Therefore, this paper is intended to analyze aspects of coal mining policy and regulation as well as policy implications to improve coal mining governance, especially in the perspective of preventing corruption in coal mining management in East Kalimantan. This research uses the desk study method with descriptive analysis of related literature related to coal mining management, especially in East Kalimantan. The results of this study indicate that the governance of coal mining in East Kalimantan needs to be improved in the context of Law Number 3 of 2020 concerning Amendments to Law Number 4 of 2009 concerning Mineral and Coal Mining through the application of natural resource management principles as well as the application of the concept of governance. , the need to improve policies and governance of coal mines (licensing, transparency, and law enforcement) and the need to strengthen the institutional system in the management of this mine.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,842
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,063
Tête enseignante GPT0,312
Écart entre enseignants0,249 · 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'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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonas Jurnal Inovasi AparaturMême sujetMining and Resource ManagementTravaux en français237 207