Why we need more criticality experts from mineral-producing countries: analysis of the geopolitical provincialization of critical minerals assessments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study examines the evolving study of mineral criticality and highlights a key gap: the limited involvement of experts from mineral-producing countries (MPCs), especially in the Global South. Bibliometric analysis of 101 critical minerals assessments and methodologies shows that the current criticality field of study reflects a narrow set of industrial priorities and risk perceptions, often framing MPCs’ development goals as supply chain risks. This phenomenon is referred to as ‘criticality provincialization’ in this paper. Findings suggest that mineral-consuming countries (MCCs) such as China and some Global North nations are moving away from country-agnostic criticality assessments and successfully localising the subject to their own realities. Together, they demonstrate that criticality is an important tool for asserting or defending a country’s manufacturing and industrial interests. The study reveals that the expert imbalance sustains foresight-driven policy in MCCs and reactive policy in MPCs, leading to long-term resource dependencies. Findings show that criticality designations typically exist parallel to a short-lived 3–5-year window of windfall resource rents for MPCs, which incentivises expanding mining operations but often fail to enable the development of downstream sectors. The study concludes that MPCs should adopt criticality as a field of study within mineral economics, build local expertise, and localise the concept to their own strategic, economic, and development priorities.
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.
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 découle