MétaCan
Menu
Retour à la cohorte
Enregistrement W4229927843 · doi:10.32920/ryerson.14654163

Sustainable Development in Ghana's Petroleum Industry: An Analysis of the Resource Curse

2021· preprint· en· W4229927843 sur OpenAlexaff
Jerry Ntakrah

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésResource curseNatural resourceCursePovertyEnvironmental degradationUnrestGovernment (linguistics)DemocracyPetroleum industryEconomic growthSustainable developmentDevelopment economicsPreparednessPoliticsCivil societyBusinessStewardship (theology)Resource (disambiguation)Political scienceEconomicsEngineeringSociologyLaw

Résumé

récupéré en direct d'OpenAlex

According to the ‘resource curse,’ countries with large endowments of natural resources perform worse than countries who are less endowed. So while Ghana’s recent oil discovery presents tremendous opportunities to assist in poverty alleviation, this so called curse has been unfortunately attributed to economic decline, democratic breakdown, environmental degradation, and civil unrest. Therefore this thesis seeks to evaluate Ghana’s preparedness in dealing with effects of new oil wealth and the impacts of oil exploitation on its environment and society. Interviews with members of civil society organisations, NGOs and government personnel revealed tremendous deficits and constraints in environmental protection, the rule of law, and political will; all of which will be further challenged by the onset of oil development in Ghana. Observations from interviewees, as well as the findings of contextual research provide the foundation for the goal of the research, which is to understand how prepared Ghana is to manage its future petroleum industry so that it encompasses environmental stewardship, economic development and social responsibility.

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), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,124
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,023
Tête enseignante GPT0,224
Écart entre enseignants0,201 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNatural Resources and Economic DevelopmentTravaux en français237 207