MétaCan
Menu
Retour à la cohorte
Enregistrement W4318217756 · doi:10.1093/oxfordhb/9780192848529.013.16

Testing the Dynamic Efficiency of Extraction of Nonrenewable Resources

2023· book-chapter· en· W4318217756 sur OpenAlexaff
Francis Didier Tatoutchoup, Octave Keutiben, Eric Bahel

Notice bibliographique

RevueOxford University Press eBooks · 2023
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésNon-renewable resourceExtraction (chemistry)Natural resourceConsistency (knowledge bases)Path (computing)EconometricsRenewable resourceRenewable energyNatural resource economicsEconomicsComputer scienceEngineeringEcologyChemistryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter examines whether non-renewable resources are extracted and managed e-ciently in Cameroon. The analysis is performed by empirically evaluating the consistency between the theoretical extraction path dictated by the Hotelling model and its various extensions and the actual extraction path. We tested the dynamic e-ciency of the theoretical path of the main non-renewable resources produced in Cameroon. Based on the empirical evidence, the results showed that the basic Hotelling model, which incorporates technological progress for petroleum (the most important mineral produced in Cameroon) and natural gas is consistent with data. For all other minerals, the test was inconclusive or failed. The theoretical extraction model known as the Hotelling model cannot explain the evolution of the observed price path of these resources.

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 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,787

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 Opus0,048
Tête enseignante GPT0,199
Écart entre enseignants0,151 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207