Mapping the vicious cycles of community gold mining (CGM): a case study of the CGM sites at Sukabumi Regency, Indonesia
Notice bibliographique
Résumé
Abstract Community Gold Mining (CGM) in Indonesia faces significant challenges, with a specific concern being the use of mercury. Mercury is a highly toxic chemical commonly utilized in the Trommel Mercury (TM) gold extraction method, known locally as the Glundung method. Although the government has initiated programs to reduce mercury usage, such as encouraging researchers to develop non-mercury gold extraction methods, progress has been slow, and the impact has been limited. The growth of new CGM sites is outpacing these efforts, leading to an increased use of mercury and unmanageable chemical risks. Previous research has identified a vicious cycle within the CGM sector. However, no existing model illustrates this cycle. This study seeks to map the scope of CGM at its essential stages and translate them into variables to create a causal and basic model. However, Sukabumi Regency in Indonesia hosts numerous CGM sites, and a case study was conducted in the Simpenan Sub-District between 2018 and 2020. A recent site visit in August 2023 revealed continued growth in CGM site numbers within the broader area. This growth corresponds to an increase in mercury released into the environment, which poses a growing threat to public health. The study employed ArcGIS and Powersim 10 System Dynamics Software, utilizing data collected through observations, investigative methods, and reference studies. The results include two significant contributions: first, a model of current CGM activities in the form of a Causal Loops Diagram (CLD) called “the Turtle Map CLD Model of the CGM”. Second, a model depicting “the vicious cycle of CGM” highlights problematic stages within CGM. Both models represent the current state of CGM in Indonesia, showcasing the existence of vicious cycles in ongoing CGM sites. These models can guide future efforts to identify progressive solutions, especially in support of programs aimed at reducing mercury usage.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».