“Small in size, but big in impact”: Socio-environmental reforms for sustainable artisanal and small-scale mining
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Artisanal and small-scale mining (ASM) – small sized, largely unrecognized, rudimentary, and an informal form of mining – occurs in more than 70 countries around the world and is mainly hailed for its socioeconomic benefits and reviled for its environmental devastation. As a result, many people are confused about the future of ASM. In Ghana, the government banned ASM in 2017 and formed a security taskforce drawn from the military and police to crack down on nomadic and local ASM workers who defy the ban. This approach is unsustainable, deals less with the fundamental problems, and increases poverty among the already impoverished local populations who depend on this type of mining as their only means of livelihood. To support the argument for sustainable reforms, revenue growth decomposition and growth accounting analyses were performed to determine the factors shaping ASM revenue over 25 years (1990–2016). Results show that production (gold output) is the most important factor that influences revenue growth from ASM, contrary to the usual view that the price of the metal is mainly responsible for the increase in revenue. Thus, increasing labor hours in ASM could significantly increase mining revenue, reduce unemployment, and improve local commerce. We strongly conclude that sustainable reforms such as increasing local participation in decision making, education and training, adoption of improved technology, strengthening regulatory institutions, legislation and enforcement of enactments, and the provision of technical support and logistics could ensure socio-environmental sustainability.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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