MétaCan
Menu
Retour à la cohorte
Enregistrement W4411987139 · doi:10.1016/j.exis.2025.101726

The slow rejection of mercury in Yukon’s small-scale gold mining industry

2025· article· en· W4411987139 sur OpenAlexaboutno aff
Cassia Johnson, Kathryn Moore, Deborah Johnson

Notice bibliographique

RevueThe Extractive Industries and Society · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesCommonwealth Scholarship CommissionMineralogical Society of Great Britain and Ireland
Mots-clésGold miningMercury (programming language)Scale (ratio)Mining industryMining engineeringBusinessGeographyEngineeringComputer scienceMetallurgyMaterials scienceCartography

Résumé

récupéré en direct d'OpenAlex

Mercury technologies in small-scale gold mining (SSM) operations have been slowly rejected in Yukon, Canada. We analyse fieldwork data collected over 4.5 months between 2020–2023 from 32 semi-structured interviews, 20 placer mine visits, and participatory observation notes. Using diffusion of Innovation theory (DoI) we identify prior conditions (i-iv) required to escalate the rejection of mercury as a processing technology more widely. Data relevant to the slow rejection of mercury technologies were thematically coded around technological, governmental and societal shifts. We find that the (i) previous practice involving mercury technologies shifted through time in response to (ii) felt needs/problems (initially technological but later including health, environment, and community needs/problems). The shifts were addressed by the (iii) innovativeness of the community; enabled through formalization channels and possibly by access to resources such as electricity. Eventually mercury-centred practice was eclipsed by chemical free processes which led to the evolution of new (iv) norms of a social system. Globally, where artisanal scale mining (ASM) and SSM industries continue to be reliant on mercury, consideration of prior conditions could help identify context-specific opportunities for mercury mitigation and draw attention to the need for mercury recycling programs to redress legacy mercury.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil0,325

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 recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,221
Écart entre enseignants0,209 · 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'étudeQualitatif
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 revueThe Extractive Industries and SocietyMême sujetMining and Resource ManagementTravaux en français237 207