Licensing to operate: Understanding variations in regulatory outcomes in the Australian mining sector
Notice bibliographique
Résumé
Literature on natural resources has argued that to proceed with the development of a mine, mining companies need a “licence to operate” – the approval of a legal authority, embodied in a regulatory licence; the approval of the affected community and broader society, a social licence; and the approval of investors, lenders, or purchasers, an economic licence. While conceptually distinct, in practice these licences interact. Communities and protest movements which bestow or withdraw social licence may also exert pressure on regulators, or influence economic licences through boycott and divestment campaigns. In this paper, we examine the pressures which affect business risk through the multiple dimensions of the “licence to operate,” in the case of federally regulated mines in Australia. Studying 409 mining applications that were under regulatory review, approved, or withdrawn between 2000 and 2020, we use competing risk hazard models and linear regressions to examine how measures of business risk (longer times in review and more conditions) and choices to withdraw are affected by: the attributes of the mine, competing rights claims and land-uses, levels of oppositional mobilization, changes in political parties in power, and market prices. We found that new projects, and those that triggered an independent assessment of their impact on water, were likely to experience longer reviews. Mines where agriculture was the competing land use also faced longer reviews, and mine proponents were more likely to withdraw their proposal. Contrary to our expectations, the mobilization of opposition to a mine was associated with faster time to approval, but also a higher number of conditions. • Interacting licences to operate are studied for effects on mine approval process. • Social licence studied as pressure via mobilization, politics, and land competition. • Approval time, regulatory conditions, and withdrawals are measured as business risk. • Licences to operate negatively interact, with regulatory licensing as trump card.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».