MétaCan
Menu
Retour à la cohorte
Enregistrement W4406686777

ROŞIA MONTANĂ-ABRUD AURIFEROUS AREA AT CROSSROADS: INTENSIVE MINING EXPLOITATION VERSUS TOURISTIC CAPITALIZATION

2014· article· en· W4406686777 sur OpenAlexaboutno aff
MARIA-ADINA JURJ

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Gasification Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCapitalization
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Roşia Montană-Abrud auriferous area at crossroads: intensive mining exploitation versus touristic capitalization. Roşia Montană-Abrud is a mining area located in the North-Eastern side of the Metaliferi (Metalliferous) Mountains, part of the Apuseni Mountains, and holds the biggest gold and silver ores deposit in Europe. It also belongs to the Gold (or Auriferous) Quadrilateral, an important metalliferous region which covers around 2500 km2 between Baia de Arieş-Zlatna-Săcărâmb-Ţebea. Roşia Montană, the oldest mining locality in Romania, enhanced even more its fame after the apparition of Roşia Montană Gold Corporation (RMGC), a Romanian-Canadian mining company which, according to its claims, intends to exploit (even if it has-legally-only an exploration licence) the existing 300 tons of gold and 1600 tons of silver, by usind cyanide. In order to store the approximately 200 000 tons of residual cyanides, the company intends to built a huge tailings pond (about 180 m height and 800 ha ) in Corna Valley. By comparison, the Bozânta tailings pond near Baia Mare, which broke down in 2000, had only about 90 ha. On the other side, the opponents of the RMGC project aims to protect both natural and cultural heritage, which embed a richness of archaeological, historical and architectural objectivs, particularly. Also, there have been found arguments for the inscription of the area in UNESCO World Heritage Tentative List. This study aims also to highlight the main types of tourism feasible for the mentioned area.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,226
Tête enseignante GPT0,481
Écart entre enseignants0,256 · 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'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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetMining and Gasification TechnologiesTravaux en français237 207