MétaCan
Menu
Retour à la cohorte
Enregistrement W4413851421 · doi:10.1038/s41598-025-15980-z

Integrating the sustainable development goals into post-mining land use selection

2025· article· en· W4413851421 sur OpenAlexaff
Gareth Simpson, Kim Ferguson, Neeltje Slingerland, Graham Jewitt, Alexey V. Alekseenko, Zane P. Simpson, Jaclyn Ennis-John, Raina Hattingh

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensWSP (Canada)
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Sustainable developmentComputer scienceLand useData scienceEnvironmental planningEnvironmental resource managementBusinessGeographyEcologyBiologyMachine learningEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Active mines regularly commit to post-mining land uses (PMLUs) several decades before their planned closure, setting closure outcomes and commitments in regulatory instruments during the initial, pre-mining phases. Considering the mounting global challenges of water, energy, food, and livelihood security, as well as climate change, many of these PMLUs may be considered sub-optimal for a future context. Whether new land uses are being defined or existing land uses are being refined, options for PMLUs should be selected using various planning lenses. In this paper, three of these lenses are considered to demonstrate how post-mining landscapes could contribute to addressing complex global challenges through effective mine closure transitions. These lenses are: (i) safe, stable, and non-polluting; (ii) suitable, practicable, and aligned with land capability and local/regional needs, supported by a comprehensive knowledge base; and (iii) integration of the Sustainable Development Goals (SDGs) and the water-energy-food (WEF) nexus. This approach is presented as a proposed conceptual framework, demonstrating how the SDGs can be utilised as a lens for selecting PMLUs, and which of these PMLUs are aligned with addressing water, energy, food, and/or livelihood security, as well as climate change mitigation. Selected case studies are highlighted, after which regulatory considerations and policy recommendations are made.

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)0,010
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,011
Communication savante0,0090,008
Science ouverte0,0020,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,212 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207