MétaCan
Menu
Retour à la cohorte
Enregistrement W6884581446 · doi:10.1051/mattech/2018044/pdf

Ukraine’s commitments under Association Agreement: challenges and opportunities for the steel industry

2019· article· en· W6884581446 sur OpenAlexaboutno aff

Notice bibliographique

RevueSpringer Link (Chiba Institute of Technology) · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Biological Research in Conflict Zones
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)General partnershipQuarter (Canadian coin)UkrainianState (computer science)Economic partnership agreementModalitiesProduction (economics)Trade association

Résumé

récupéré en direct d'OpenAlex

\nThe steel sector stands for a quarter of Ukraine’s industrial gross value added and is a backbone of the country’s economy. However, owing to lastingly insufficient investments to modernisation, the industry is largely obsolete: 70–80% of the production facilities are in operation beyond their final designed term of exploitation. Technology backwardness, coupled with excessive iron ore mining, results in an enormous environmental footprint. Owing to the domestic political and socioeconomic factors and severe competition on the global scale, the steel output hit its historic low in 2017. Recently, the EU became major Ukraine’s trade partner with steel export share of 32% in 2017. Modalities of this partnership will be gradually shaped in context of the EU-Ukraine Association Agreement (entered into force since 01.09.2017), which stipulates transposition into Ukrainian law of some European directives, potentially sensitive for the iron and steel sector. In this paper, the current state of Ukraine’s steel industry was analysed, focusing competitiveness and environmental impact. The analysis performed reveals that short-term implications of the Association Agreement may expose the Ukrainian steelmakers to additional costs; however, the need to comply with the EU regulations is seen as an important factor, motivating the steel industry to modernise and, in the long-term, improve its economic performance and reinforce competitiveness.\n

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0060,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,074
Tête enseignante GPT0,273
Écart entre enseignants0,199 · 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'étudeSans objet
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpringer Link (Chiba Institute of Technology)Même sujetEnvironmental and Biological Research in Conflict ZonesTravaux en français237 207