MétaCan
Menu
Retour à la cohorte
Enregistrement W4410282060 · doi:10.3389/feart.2025.1520813

Research on the supply risk propagation in the global iron ore trade network

2025· article· en· W4410282060 sur OpenAlexaboutno aff
Chao Liu, Ting Zhao, Gaoshang Wang, Shengqian Liu

Notice bibliographique

RevueFrontiers in Earth Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeoscience and Mining Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIron oreEnvironmental scienceGeologyGeochemistryMetallurgyMaterials science

Résumé

récupéré en direct d'OpenAlex

Iron ore serves as a critical resource underpinning global industrialization, extensively utilized in steel production and infrastructure development. Amid increasing complexities in the global economic landscape, risks and uncertainties within iron ore supply chains have intensified, particularly under the influence of geopolitical conflicts and trade protectionism. Leveraging 2023 iron ore trade data, this study constructs a global iron ore trade network using complex network theory and develops a cascading failure model to assess systemic vulnerabilities. Key findings include: ⅰ:The iron ore trade system exhibits a centralized structure dominated by China, Australia, and Brazil, resulting in elevated supply risks. Supply disruptions could propagate crises, potentially disrupting supply chains in over 40% of participating nations.ⅱ:Community 1 (China, Australia, Brazil) accounts for 90% of trade volume and demonstrates heightened susceptibility to cascading failures. In contrast, Community 2 (Canada, Germany, South Africa) mitigates crisis propagation through diversified supply strategies. Enhanced cross-community linkages facilitated by nations like India reduce systemic risks. ⅲ:Critical node failures yield disproportionate impacts: Increasing the risk resilience parameter β from 0.2 to 0.4 reduces cascade magnitude by 62%. While Brazilian disruptions trigger extensive spatial propagation, Australia’s export concentration renders downstream industries more vulnerable to paralysis despite narrower geographic impacts. Based on the evaluation results of the global iron ore trade network, relevant suggestions such as developing emerging supply sources and constructing a deduction system were put forward.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,273
Écart entre enseignants0,258 · 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'étudeSimulation ou modélisation
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 revueFrontiers in Earth ScienceMême sujetGeoscience and Mining TechnologyTravaux en français237 207