MétaCan
Menu
Retour à la cohorte
Enregistrement W4387218399 · doi:10.1134/s2079970523700740

Environmental Assessment of Changes in Regional Industrial Structures in Russia at the Beginning of the 21st Century

2023· article· en· W4387218399 sur OpenAlexaboutno aff
N. N. Klyuev

Notice bibliographique

RevueRegional Research of Russia · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmentally friendlyGreeningManufacturingBusinessScale (ratio)Quarter (Canadian coin)Production (economics)Natural resource economicsEnvironmental protectionGeographyEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract— Structural changes in industry in Russian regions for 2005–2019 were assessed from an environmental standpoint. The decrease in the share of the extractive industry and hazardous activities in the manufacturing industry was seen as an environmentally progressive change in regional industrial structure (its greening), and a change for the opposite, as degreening. There was an increase in mineral resources extraction in the absolute majority of Russia’s main producing regions, while in half of them, it increased by more than 1.5 times, and in a quarter, it more than doubled. A northeastern vector of development of the country’s extractive industry has clearly emerged, causing a relative shift of large-scale impacts on nature to Eastern Siberia, the Far East, and the European North to ecologically significant and easily vulnerable landscapes of the permafrost zone, as well as to shelf areas. The number of regions where the share of mining in industrial output exceeds 50% increased from 9 to 14. In two-fifths of Russian regions, the share of environmentally hazardous industries in the manufacturing sector has significantly increased. In regions where nature-intensive production is significantly reduced (Khanty-Mansi Autonomous Okrug and Tatarstan), industries of primary processing of raw materials have appeared, which are also not environmentally friendly. Only in Belgorod, Kaliningrad, and Murmansk oblasts have both industrial structures in general and their manufacturing sectors become more environmentally friendly. Interregional differences in the level of environmental friendliness of industrial structures increased. Methodological and informational difficulties prevented the author from establishing a relationship between structural changes in the industry of Russian regions and dynamics of impacts on natural components.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,186
Tête enseignante GPT0,433
Écart entre enseignants0,248 · 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'étudeObservationnel
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 revueRegional Research of RussiaMême sujetArctic and Russian Policy StudiesTravaux en français237 207