MétaCan
Menu
Retour à la cohorte
Enregistrement W4409359527 · doi:10.1139/facets-2024-0175

Excavating the regulatory process and risks posed by Alaska hardrock mine expansions

2025· article· en· W4409359527 sur OpenAlexvenueno aff
Jessica Lechtenberg, Katalin A. Plummer, Jack Winterhalter, Christopher J. Sergeant, Anne H. Beaudreau

Notice bibliographique

RevueFACETS · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Mining engineeringGeologyEnvironmental scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Mining can cause environmental damage if managed improperly. Environmental impact assessments are designed to evaluate the risks of mining; however, these evaluations are hindered when mines expand their operational scope beyond activities considered in the original assessment. Our study focuses on the regulatory process of mine expansion and the National Environmental Policy Act (NEPA). Our multiple case study approach analyzed expansion projects for five hardrock mines in Alaska, USA. A media review identified expansion issues for each mine that received significant public attention. For each case, we examined government documents, media, and other literature to explore research questions related to variability in the application of environmental impact assessment procedures, the breadth and depth of public process, and issues raised during public comment periods. Across case studies, we synthesized the common themes and context dependence regarding the regulatory process of mining expansion. We found wide variation in the implementation of NEPA based on different institutional and geographic contexts, which led to unique sets of public concerns. We summarized differing levels of public engagement, varying approaches to cumulative effects analyses, and difficulties accessing public documents. These results demonstrate the challenges that mine expansions pose to conducting consistent and transparent environmental impact assessments.

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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,271

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 technologies0,0000,000
Communication savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetMining and Resource ManagementTravaux en français237 207