Evaluating the progress and identifying future improvement areas of mining's contribution to the sustainable development goals (SDGs)
Notice bibliographique
Résumé
• Limited literature on examining the relationship between mining and SDGs. • The SDG framework is linked to ESG indicators for the mining sector. • Different levels of progress have been made in some ESG indicators. • We discuss mining's future contribution to SDGs beyond 2030. The intersection of Sustainable Development Goals (SDGs) and Environmental, Social and Governance (ESG) considerations in the mining sector is underexplored. This review aims to inform policymakers about the mining sector's experience and challenges in implementing SDGs and to encourage further discussions on the evolution of SDGs beyond 2030. It investigates how the mining sector adopts and integrates the SDGs framework into its current practices and matches the findings with an ESG lens. Firstly, we examine the mining sector's progress in achieving these goals based on refined literature. Secondly, we identify areas for improvement guided by the SDGs. Our results show that environmental progress has been made, particularly in renewable energy utilization and efficient water resources management. From a social and governance lens, higher progress has been observed in employment, inclusion, and policy implementation compared to moderate progress in other areas, such as gender equality, community engagement, and investment in local communities. Our study identifies three critical areas that must be prioritized by 2030: the intentional alignment of SDGs into mining operations, greater transparent disclosure of ESG data to all stakeholders, particularly mining communities, and protection of ecologically and culturally sensitive zones. Without them, ESG initiatives will remain fragmented and insufficient.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».