MétaCan
Menu
Retour à la cohorte
Enregistrement W4225152703 · doi:10.33002/jelp02.01.02

Examining the Effects of Internal Armed Conflict on the Nigerian Environment and the Response of Government

2022· article· en· W4225152703 sur OpenAlexvenueno aff
Theresa U. Akpoghome, Godwin Uduimoh Akpoghome, Oritsemisan Pamela Igbogbo

Notice bibliographique

RevueJournal of Environmental Law & Policy · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of the United Kingdom
Mots-clésLivelihoodScarcityWildlifeArmed conflictWater scarcityNiger deltaGovernment (linguistics)Environmental sciencePetroleumEnvironmental protectionNatural resource economicsEnvironmental engineeringWater resource managementGeographyWater resourcesEcologyAgricultureEngineeringDeltaPolitical scienceBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

The incidences of armed conflicts in the North-East of Nigeria and the Niger Delta have left a lot of devastation on the environment and the livelihood of civilians. The paper notes that the Niger Delta conflict resulted in bombing of pipelines and oil facilities that led to discharges into freshwater sources and the farmlands causing a devastation to the environment and threatening human lives due to excessive amounts of toxic materials being discharged. Constant gas flaring affects wildlife and human life negatively. Badly constructed canals and causeways for the purpose of mining activities have adversely affected the hydrology of the region, causing floods in some areas and water scarcity in others. These artificial waterways allow saline water leakage into the sources of freshwater, resulting in scarcity of drinking water and the mortality of many aquatic plants and animals. When petroleum is discharged into the soil, the soil becomes acidic, which disrupts photosynthesis and respiration of tree roots. The paper, therefore, recommends that the government must address the root causes of conflict and undertake environmental clean-up seriously.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,208
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 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
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Law & PolicyMême sujetOil, Gas, and Environmental IssuesTravaux en français237 207