MétaCan
Menu
Retour à la cohorte
Enregistrement W4304172369 · doi:10.1007/s13563-022-00350-2

Greenland mineral exploration history

2022· article· en· W4304172369 sur OpenAlexaboutno aff
Flemming G. Christiansen

Notice bibliographique

RevueMineral Economics · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRevenueMineral explorationIncentiveProfit (economics)FinanceBusinessPoliticsEconomicsPolitical scienceMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract Greenland has a long mining and mineral exploration history and offers interesting possibilities for investors. There is still optimism in the mineral business, but successful examples are surprisingly few in the new millennium. Based on numerous new tables compiling information on companies, periods, targets, licenses, and costs, this paper gives a description of the past and present activities, the exploration companies involved, their main targets, their limited financial power, and their continued need for and search of investors and large industrial partners. An analysis of the key drivers at different levels is presented: analogues with Canada and elsewhere, dedicated prospectors looking for profit, specific strategic projects, commodity prices, new research results, co-financing, strategies, and regulations by authorities in Greenland and Denmark. Changes in political agenda in Greenland, Denmark, and internationally have had a strong influence on exploration activities in Greenland compared to other countries with an exploration industry, in some cases creating good incentives for investors, in other cases being showstoppers for future exploration and mining. This paper provides, for the first time ever, a summary of the total costs for mineral exploration in Greenland and the total revenue for the governments, and compares these numbers with the public investments in research, data acquisition, and direct investments in national companies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,308

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0200,003

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 Opus0,025
Tête enseignante GPT0,166
Écart entre enseignants0,141 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMineral EconomicsMême sujetGeological and Geochemical AnalysisTravaux en français237 207