MétaCan
Menu
Retour à la cohorte
Enregistrement W7011588758

MODERN ECOLOGICAL AND ECONOMIC PROJECTS OF TRANSFORMATION OF COAL MINING REGIONS IN THE WORLD

2022· article· uk· W7011588758 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe Scientific Issues of Ternopil Volodymyr Hnatiuk National Pedagogical University Series pedagogy · 2022
Typearticle
Langueuk
DomaineMedicine
ThématiqueFetal and Pediatric Neurological Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbandonment (legal)Coal miningCoalClimate changeGreenhouse gasProcess (computing)Carbon capture and storage (timeline)Transformation processes
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Given the environmental issues of coal mining regions and the transition to alternative fuels, the issue of transformation of mining regions is relevant. Coal mining regions affect not only landscape change, but also emissions of gases, including carbon dioxide. Coal combustion is considered to be one of the main causes of the release of large amounts of CO2 into the atmosphere, which causes the greenhouse effect and, consequently, global warming. Therefore, it is in Western Europe, where the idea of climate protection enjoys widespread public support, that various specific measures are being taken to accelerate the abandonment of coal.  The greatest successes in the transformation of coal mining enterprises have been achieved in Germany, Great Britain, America, Canada, Poland and other European countries. In most countries, the transformation of coal mining enterprises takes place in two main directions: the creation of individual enterprises (business projects) or technology parks. Although the process of structural change and the abandonment of coal have their differences in each country and region, Germany's experience has identified major challenges and shaped strategic options for structural change in mining regions. The considered ecological and economic projects in other countries have an opportunity to be realized also at our coal mining enterprises. 

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,610
Score d'incertitude au seuil0,862

Scores Codex et Gemma par catégorie

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

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 Opus0,078
Tête enseignante GPT0,319
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Scientific Issues of Ternopil Volodymyr Hnatiuk National Pedagogical University Series pedagogyMême sujetFetal and Pediatric Neurological DisordersTravaux en français237 207