Analysis of improved government geological map information for mineral exploration: incorporating efficiency, productivity, effectiveness, and risk considerations
Notice bibliographique
Résumé
This bulletin focuses on the value of geoscientific information and knowledge, as provided in published government bedrock geological maps, to the mineral exploration sector. An economic model is developed that uses an attribute-ranking approach to convert geological maps into domains of mineral favourability. Information about known deposits in these (or analogous) favourability domains allow the calculation of exploration search statistics which provide input into measures of exploration efficiency, productivity, effectiveness, risk, and cost stemming from the use of the published geological maps. Two case studies, the Flin Flon Belt (Manitoba and Saskatchewan) and the south Baffin Island area (Nunavut), demonstrate that updated, finer resolution maps provide more detailed and accurate information than old, coarser resolution maps when used as a guide for mineral exploration. The Flin Flon Belt study illustrates that an updated, coarser resolution bedrock map enables improved mineral exploration efficiency, productivity, and effectiveness by locating 60% more targets and supporting an exploration campaign that is 44% more efficient. Refining the map resolution provides an additional 17% reduction in search effort across all favourable domains and a 55% reduction in search effort in the most favourable domain. The south Baffin Island case study projects a 40% increase in expected targets and a 27% reduction in search effortwhen the updated, finer resolution map is used in lieu of the old, coarser resolution map. On southern Baffin Island, the economic value of the updated map ranges from CAN$2.28 million to CAN$15.21 million, which can be compared to the CAN$1.86 million that it cost to produce the map (a multiplier effect of up to eight).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».