Unearthing trends in environmental impact assessments for mines and quarries across Canada
Notice bibliographique
Résumé
In Canada, at least 200 active mines and 6500 quarries produce 60 commodities. Many proposed mines and quarries undergo impact assessment (IA) to predict potential impacts and inform final decision-making, alongside conditions for mitigating risk. We (1) present the first complete list of IA laws that apply to mining in Canada; (2) provide an open-source database of mine and quarry projects subject to IA; (3) quantify mining and IA trends; and (4) assess availability of information by jurisdiction. Our database includes 266 assessments of 227 projects under 13 jurisdictions proposed from 1974 to 2023. Over time, target commodities shifted from coal, oil sands, and peat, to metals (e.g., gold, copper, nickel) and production sizes increased. For many projects assessed across multiple jurisdictions, we could not explain differences in reported key metrics (production size, lifespan, footprint). Our database's comprehensiveness is limited by a lack of publicly available data. We recommend regulators adopt the findable, accessible, interoperable, and reusable principles for information sharing by standardizing key metrics, publishing project documentation, and improving registry functionality. We encourage enhanced inter-jurisdictional IA cooperation to ensure the public and decision-makers have access to fulsome information about new projects during a modern mineral rush in Canada.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».