MétaCan
Menu
Retour à la cohorte
Enregistrement W4323310135 · doi:10.4324/9781003182375-11

Mining, climate change and Indigenous Peoples in Ontario, Canada

2023· book-chapter· en· W4323310135 sur OpenAlexaboutno aff
Jordan Scholten, Emma De Melo, Nicolas D. Brunet

Notice bibliographique

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

Résumé

récupéré en direct d'OpenAlex

In Canada, industrial developments, and resource extraction, in particular, have been responsible for much of the landscape level change within Indigenous ancestral lands. As a result, Indigenous Peoples in Canada are not only increasingly vulnerable to a changing climate, but experience synergistic, cumulative effects due to extractive industries that operate predominantly within their traditional territories (Birch, 2016; Odell et al., 2018). This chapter explores the nexus of mining and climate change within the unique context of Indigenous communities in what is presently considered Canada, focusing on the province of Ontario (Odell et al., 2018). It reveals, in particular, critical barriers to climate change adaptation that impede efforts to build community capacity and resilience, as well as highlight strategies for Indigenous communities seeking CSR. However, we found that studies exploring this relationship between climate change, mining, and Indigenous Peoples were found to be scant in the context of Ontario, despite numerous studies of these themes independently and bilaterally. This chapter seeks to initiate a discussion around the complex intersection of these three themes, while exploring the role of CSR and other mechanisms used to uphold ethical mining practice principles within the context of our review. The chapter uses a novel conceptualization to structure our exploration of the literature and emerging research need.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,498

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0070,003
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,023
Tête enseignante GPT0,177
Écart entre enseignants0,155 · 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'étudeQualitatif
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMining and Resource ManagementTravaux en français237 207