Designing Sustainable Prosperity
Notice bibliographique
Résumé
Tried-and-tested approach for transforming economies that are based on natural resource extraction to create long-term prosperity Designing Sustainable Prosperity (DSP) is a step by step blueprint for transforming economies from being dependent on short term natural resource extraction into long-term sustainable prosperity. The outcome is the creation of sustainable, circular economies that prioritise waste reduction and use recycling and renewable resources to actively implement climate change solutions. A key feature of the process is collaboration between local people, investors, appropriate experts, government and academics. The DSP method outlines seven steps in creating a plan for long-term sustainable regional development, illustrated by several case studies from North and South America which identified potential economic transformations. Designing Sustainable Prosperity explores topics such as: How to determine if and when a region is ready for DSP by analyzing factors such as climate, geology, natural resources and human potentialCase studies highlighting different aspects of the DSP approach, and how to achieve true prosperity which is beyond short-term financial performance “Hard” resources and industries that can fuel a circular economy, such as metals/mining, water/ energy, value added food products and other innovative enterprises “Soft” enabling factors such as workforce availability, educational systems, and socio-economic conditions and how to develop these factors in line with the United Nations Sustainable Development Goals (UNSDGs) DSP shows how to align economic goals with all the UNSDGs. Designing Sustainable Prosperity is an essential and timely resource for professionals and organizations aiming to develop regions sustainably. “Not only a great collection of ideas and references but also a great story in terms of how it brings the pieces together and guides how we can each make a difference.” —Mark Cutifani, Chairman Vale Base Metals, Former CEO at Anglo American plc “Recommended for corporations, politicians and regulators to understand the sequencing necessary to access the energy transition metals and realize 2050 aspirations in a sustainable manner.” —Robert Quartermain, DSc, Canadian Mining Hall of Fame Inductee, Co-Chair Dakota Gold Corp, Former Executive Chairman Pretium Resources Inc “Presents an optimistic, “bottom up” collaboration recipe that leavens outside expertise with community-based history, capabilities, and ambition to move in new directions.” —David J. Hayes, Professor at Stanford University, former senior White House climate advisor for President Biden and the Deputy Secretary and Chief Operating Officer of the U.S. Department of the Interior for Presidents Obama and Clinton
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,013 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,006 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».