MétaCan
Menu
Retour à la cohorte
Enregistrement W4283658964 · doi:10.1016/j.resourpol.2022.102838

The extractive industry and human rights in Africa: Lessons from the past and future directions

2022· article· en· W4283658964 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueResources Policy · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of TorontoYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésLivelihoodHuman rightsInclusion (mineral)Thematic analysisOrder (exchange)Political scienceEconomic growthBusinessEconomicsSociologySocial scienceGeographyLawQualitative researchAgriculture

Résumé

récupéré en direct d'OpenAlex

Although the extractive industry has contributed to the socio-economic development of many African countries, it has also led to incidences of human rights violations in many rural communities. However, the use of an evidence-based approach to search, locate, explore and synthesize the literature systematically in order to understand the nature and pattern of human rights violations within the extractive industry remains limited. Consequently, this study employs the systematic review method to determine the nature and drivers of human rights abuses within the extractive industry in Africa. Of the 791 articles retrieved from the search of the databases, 58 articles met the inclusion criteria and were included in evidence synthesis. Based on the thematic analysis conducted on the articles that met the inclusion criteria, we find that human rights abuses tend to be associated with the violation of economic, social, and cultural rights, tensions over land ownership, the loss of livelihood, and community marginalization. We conclude the study with some policy implications and suggest avenues for future research.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil0,910

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,244
Écart entre enseignants0,230 · 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