MétaCan
Menu
Retour à la cohorte
Enregistrement W4233097736 · doi:10.1017/9781108235594.027

A CBA of the North-East Mine Development Project

2018· book-chapter· en· W4233097736 sur OpenAlexaff
David H. Greenberg, Aidan R. Vining, David L. Weimer

Notice bibliographique

RevueCambridge University Press eBooks · 2018
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDiscountingValuation (finance)PreferenceCraftContingent valuationTime preferenceVariety (cybernetics)Cover (algebra)Cost–benefit analysisManagement scienceComputer scienceOperations researchEconomicsActuarial scienceRisk analysis (engineering)EngineeringMicroeconomicsBusinessWillingness to payPolitical scienceArtificial intelligenceFinanceGeography

Résumé

récupéré en direct d'OpenAlex

Cost-Benefit Analysis provides accessible, comprehensive, authoritative, and practical treatments of the protocols for assessing the relative efficiency of public policies. Its review of essential concepts from microeconomics, and its sophisticated treatment of important topics with minimal use of mathematics helps students from a variety of backgrounds build solid conceptual foundations. It provides thorough treatments of time discounting, dealing with contingent uncertainty using expected surpluses and option prices, taking account of parameter uncertainties using Monte Carlo simulation and other types of sensitivity analyses, revealed preference approaches, stated preference methods including contingent valuation, and other related methods. Updated to cover contemporary research, this edition is considerably reorganized to aid in student and practitioner understanding, and includes eight new cases to demonstrate the actual practice of cost-benefit analysis. Widely cited, it is recognized as an authoritative source on cost-benefit analysis. Illustrations, exhibits, chapter exercises, and case studies help students master concepts and develop craft skills.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,172
Écart entre enseignants0,146 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetMining Techniques and EconomicsTravaux en français237 207