MétaCan
Menu
Retour à la cohorte
Enregistrement W4404763300 · doi:10.5539/jms.v14n2p128

Analysis of Stakeholder Discourses on Petroleum Exploration and Production in the Brazilian Equatorial Margin

2024· article· en· W4404763300 sur OpenAlexvenueno aff
Guilherme W. Syrkis, André Felipe Simões, Marilin Mariano dos Santos, Edmílson Moutinho dos Santos

Notice bibliographique

RevueJournal of Management and Sustainability · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMargin (machine learning)StakeholderProduction (economics)PetroleumNatural resource economicsPolitical scienceGeologyEconomicsComputer sciencePublic relationsMicroeconomicsPaleontology

Résumé

récupéré en direct d'OpenAlex

The exploration and production (E&P) of oil and natural gas in the Brazilian Equatorial Margin, particularly at the Amazon River Mouth, has become a subject of intense national and international debate. This study analyzes public discourses related to those activities within the context of Brazil’s environmental commitments under the Paris Agreement. The analysis spans the period from President Lula da Silva’s third inauguration, in January 2023, to May 2024, focusing on political and economic approaches. The method involved systematic literature review, discourse analysis, and content analysis, using the Atlas TI software as a content analysis tool to manage, code and categorize textual data. The results show the predominance of the right to development, ecological modernization, and energy clout narratives. The common but differentiated responsibilities narrative is deeply rooted in these dominant narratives and undermines the opposition to oil production in the Brazilian Equatorial Margin. The analysis reveal the complexity of the discursive coalitions formed and simultaneously offers insights to help public policymakers balance economic development, energy security, and environmental sustainability.

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)0,014
score de la tête « metaresearch » (Gemma)0,031
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,006
Études des sciences et des technologies0,0050,006
Communication savante0,0040,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
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 Opus0,031
Tête enseignante GPT0,249
Écart entre enseignants0,217 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207