MétaCan
Menu
Retour à la cohorte
Enregistrement W4283726841 · doi:10.4324/9781003191049-17

Marginal Returns?

2022· book-chapter· en· W4283726841 sur OpenAlexaboutno aff
Laura Ryser, Neil Argent, Greg Halseth, Fiona Haslam McKenzie, Sean Markey

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomics

Résumé

récupéré en direct d'OpenAlex

In the context of the rapid expansion of the natural gas economy around the globe, and the equally dramatic neoliberalization of governmental activity over the past three decades, we examine the impact of the LNG/CSG boom of the 2010s on institutional relationships within the rural communities and economies of the Peace River region of British Columbia, Canada, and the Surat Basin, Queensland, Australia. Conceptually influenced by staples theory and evolutionary economic geography, and drawing on intensive fieldwork conducted by the authors in both case study regions, we chart the socio-spatially uneven distribution of benefits, harms, and responsibilities associated with CSG expansion in both regions, focusing on the extent to which formal and informal government and governance institutions were able to overcome conditions of lock-in and inertia and capitalize on, and locally embed the benefits of, the boom. We find that while the sheer magnitude and pace of the boom initially caught formal and informal institutions off guard, over time some regional and local institutions generated multiscalar and horizontal relationships that enabled them to adapt and capture important and long-term economic benefits. Other regions, however, for a range of reasons, predominantly felt the negative consequences of CSG development, and felt largely abandoned by regional and central government institutions. Overall, our chapter reflects on the vital role of institutional relations and dynamics in shaping the evolving uneven geography of resource development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,007
Communication savante0,0080,008
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0640,011

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 Opus0,012
Tête enseignante GPT0,176
Écart entre enseignants0,164 · 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 source (Gemma direct ou Codex distillé), 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMining and Resource ManagementTravaux en français237 207