MétaCan
Menu
Retour à la cohorte
Enregistrement W4402832370 · doi:10.1080/14615517.2024.2407687

Mining, the sustainable development goals and impact assessments: a review of governance and local impacts

2024· review· en· W4402832370 sur OpenAlexafffund
Cecilia Campero, Nathan Andrews, Tracy Smith‐Carrier

Notice bibliographique

RevueImpact Assessment and Project Appraisal · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensMcMaster UniversityRoyal Roads University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCorporate governanceSustainable developmentEnvironmental planningEnvironmental impact assessmentImpact assessmentEnvironmental resource managementBusinessEnvironmental sciencePolitical sciencePublic administration

Résumé

récupéré en direct d'OpenAlex

Impact assessments have the potential to advance the Sustainable Development Goals (SDGs). This paper argues that the nexus between the SDGs, mining, and impact assessments has received little attention. In particular, research on the governance and local impacts of the mining industry is scant. Using a narrative review approach, this paper explores the processes and practices that might be used to examine the role of impact assessments in addressing the SDGs under three interconnected themes: 1) Impacts on the environment; 2) Governance; and 3) Livelihoods. The review brings together dispersed literature, across various disciplines, and relates to diverse locations in order to provide a comprehensive overview of key debates in relation to the SDGs and impact assessments in mining. Overall, there are eight goals (SDG 1, 2, 4, 7, 9, 10, 11, 17) that are not addressed in the literature reviewed for this paper. Ultimately, this narrative review reveals key themes for future research, including how women’s intersectional identities contribute to their place or position in processes that inform impact assessments and the SDGs, and the need to interrogate what agency, power, scale, and other discursive practices around whose knowledge counts means for both impact assessments and the successful implementation of the SDGs.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,031
Tête enseignante GPT0,418
Écart entre enseignants0,387 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueImpact Assessment and Project AppraisalMême sujetMining and Resource ManagementTravaux en français237 207