MétaCan
Menu
Retour à la cohorte
Enregistrement W4406203718 · doi:10.1016/j.resourpol.2025.105460

The transient sand frontier: Senegal's moving sand procurement strategies

2025· article· en· W4406203718 sur OpenAlexaff
Jean‐François Rousseau

Notice bibliographique

RevueResources Policy · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTransient (computer programming)FrontierProcurementBusinessEnvironmental scienceGeologyGeotechnical engineeringGeographyComputer scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

This article probes the causes and implications from the displacement of construction sand procurement strategies from coastal areas to inland sand dune ecosystems in Senegal. It retraces how the gradual implementation of a beach sand mining ban triggered a transient sand frontier process in sand dune ecosystems that now sustain rising sand needs driven by rapid urbanisation in the coastal cities of Dakar and Saint-Louis. Vertical and horizontal limits to sand quarrying in the sand dunes lead to the extractive frontier constantly moving farther away from urban and periurban sand consumption sites. The resulting transient frontier process complements documented sand frontier scenarios where spatial extension, or commodity widening, combines with intensifying extractivism, or commodity deepening. In coastal Senegal, spatial extension rather proceeds in tandem with frontier closure. The sand transient frontier yields sand supply and price pressures that create challenges to Senegal development ambitions, most specifically those that entail the expansion of the concrete dependent affordable and premium city models. The development minerals agenda has so far proved insufficient to yield the discursive shift required for elevating sand supply as key to the achievement of development programs in Senegal. Connecting sand, the development minerals and the ‘strategic’ or ‘critical’ minerals agendas could help elevate sand supply-related challenges among policymakers' priorities.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,283
Écart entre enseignants0,276 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResources PolicyMême sujetWater Governance and InfrastructureTravaux en français237 207