MétaCan
Menu
Retour à la cohorte
Enregistrement W4292588996 · doi:10.26565/2524-2547-2021-62-03

FORMATION OF PRODUCTION GROWTH POINTS ON THE BASIS OF MINERAL - RAW MATERIAL RESOURCES AS A FACTOR OF IMPROVEMENT OF THE TERRITORIAL STRUCTURE OF THE INDUSTRY OF THE REPUBLIC OF KARAKALPAKSTAN

2021· article· en· W4292588996 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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSocial Economics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Environmental Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationNatural resourceCapitalizationBusinessNatural resource economicsEconomicsEconomy

Résumé

récupéré en direct d'OpenAlex

The use of mineral resources plays an important role in the global economy. “As noted in the British newspaper“ Financial Times ”, this sector ranks 1st in the world in terms of capitalization of the largest companies, including mining itself (excluding oil and gas) - 5th place among global industries after the banking sector, oil and gas industry, pharmaceutical and computer industries"(Kondratyev, 2014). In the developed and rapidly developing countries of the world, industrial growth is achieved through the effective use of the local potential of natural resources, improvement of the structural composition of the industry. According to the World Bank, in 2018 the share of mineral resources in GDP was 0,9 percent in Canada, 3,5 percent in Australia and 2,5 percent in Brazil, while in Uzbekistan the figure was 12,3 percent (Saydaxmedov, 2020). Many large scientific centers around the world are working on changing the methodology for the economic assessment of mineral resources, taking into account the regional economy, new economic geography, changes in the subjects of the institutional economy and the growth of knowledge that has occurred in recent years. Much attention is paid to the use of socio-economic indicators along with technical and economic indicators in assessing the mineral resource base. Consequently, due to the development of mineral resources, opportunities arise for creating new jobs, increasing the income of the population, introducing innovative ideas and technologies in practice, and creating a competitive environment in the economy. Therefore, the study of problems in this area in connection with the social sphere and institutions acquires the necessary scientific significance. The article discusses the formation of points of production growth. The main directions of the formation of points of production growth based on mineral-raw material resources are being studied. The distribution of mineral-raw material resources by zones of Karakalpakstan is investigated. In addition, the article talks about the specific features of the formation of reference points of growth. The stages of the formation of growth support points based on the local mineral-raw material resources of Karakalpakstan in 2020-2030 are also considered.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,219

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 Opus0,006
Tête enseignante GPT0,165
Écart entre enseignants0,159 · 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