MétaCan
Menu
Retour à la cohorte
Enregistrement W4414092540 · doi:10.1080/09692290.2025.2553557

The emerging political economy of deep-sea mining: an analysis of opaque ownership structures

2025· article· en· W4414092540 sur OpenAlexafffund
Justin Alger, Kate J. Neville, Marc Calabretta

Notice bibliographique

RevueReview of International Political Economy · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPoliticsInternational political economyCorporate governanceEmerging marketsGlobalizationIdeology

Résumé

récupéré en direct d'OpenAlex

Despite the significant environmental and social concerns associated with deep-sea mining, the International Seabed Authority (ISA)—the organization tasked with governing the international seabed—is working to finalize a mining code. State and private sector proponents justify these developments as necessary to expand renewable energy and battery production, but this claim remains contested. Under international rules, commercial actors—whether private or state-owned—can hold exploration licenses in tandem with sponsoring states, yet we know little about how corporate actors are shaping governance of the sector. It is difficult to disentangle the positions of states from those of private firms and market actors, and there remain significant gaps in our knowledge of how ownership and finance in the sector are structured and organized. We argue that deep-sea mining represents a paradigmatic case of growing distance in environmental governance. In this case, the capacity of international actors to prevent or effectively regulate the ecological and social harms of deep-sea mining is challenged by the opacity and mutability of corporate structures. The implications, we suggest, are twofold: the redistribution of risk to states and local communities, and the undermining of the common heritage of humankind principle embedded in the UN Convention on the Law of the Sea.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,014
Communication savante0,0060,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
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 Opus0,011
Tête enseignante GPT0,283
Écart entre enseignants0,272 · 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'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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of International Political EconomyMême sujetMining and Resource ManagementTravaux en français237 207