Aktuella affärsmodeller inom litiumprospektering
Notice bibliographique
Résumé
The world is facing the challenge of transforming from fossil fuel dependant to a zero-emission econ-omy. This results in multi-fold mineral requirements for technologies such as wind turbines, solar pan-els, and electric vehicles; an exorbitant amount that cannot be fulfilled by recycling alone. In Europe, this challenge is accelerated more by the current Russian conflict in Ukraine and the understanding that not only do we need to decarbonise the European economy, but also become independent from Russian energy and minerals. This transition requires many raw materials and the faster the transition occurs; the more minerals are required to be mined for these important technologies. Before mining can occur, mineral deposits must be discovered during the process of exploration. The success rate of exploration is less than 1 mine from 1000 exploration projects and projects can take decades to convert from discovery to producing mine. On top of this, we are currently searching for lower-grade deposits that are more difficult to find and technically complicated to extract. All this at a time, when environmental legislation is becoming more strict, there’s a requirement for decarbonisation in the mining industry, and the social license to operate is more difficult to obtain. This seemingly impossible task brings into question the efficiency of the business model of exploration companies to determine whether business model innovation can help achieve a more environmentally, socially, and economically sustainable industry. This study analyses companies working in lithium exploration, as lithium is a material that is re-quired in significant amounts for the green energy transition. The number of companies operating in this sector has increased significantly in the past few years. Through qualitative content analysis using web content, a cross sectional study of 55 companies listed on the Toronto Stock Exchange was com-pleted to identify themes relating to the business models of each company. Eight overlapping innova-tion categories were identified in 29 of the companies including Environment, Social, Economic, Cir-cular, Collaborative, Lean, Technology and Value Chain innovation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,014 |
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 source (Gemma direct ou Codex distillé), 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 ».