MétaCan
Menu
Retour à la cohorte
Enregistrement W7047807487

Harvesting Icebergs and Space Rocks:Small Scale Resource Extraction Entrepreneurship in Areas Beyond National Jurisdictions

2021· article· en· W7047807487 sur OpenAlexaboutno aff

Notice bibliographique

RevueLaCRIS (University of Lapland) · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSuperconducting and THz Device Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArticular cartilage damageFusible alloyTSG101LimitingGloomProteogenomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

New opportunities for small-scale, but potentially highly profitable, extractive industries either arise or have the potential to grow, both in the Arctic and in outer space. In the Arctic, icebergs which have broken off from Greenland’s glaciers and which have been transported south through the Davis Strait by the water currents are being harvested off the coast of Canada. The perceived purity of the water and the exotic origin make this risky endeavor commercially interesting. Iceberg harvesting has been undertaken for some time and is likely to become more important: along with increased melting of Greenland’s ice sheet and calving into icebergs, also the Arctic sea ice is melting rapidly due to climate change. Icebergs are an attraction in cruise tourism, too, but also pose threats particularly in the uninhabited sea routes where rescue preparedness is low and distances to help are long. Also Arcticrelated products and services are gaining the attention of consumers and investors from outside the region, in particular when high-priced luxury items and services are concerned. It therefore seems a fair assumption that iceberg harvesting off the coast of Canada is likely to remain relevant for the foreseeable future. Meanwhile, outer space is becoming the latest frontier for extractive industries, not only for the minerals and metals found on celestial bodies but also regarding water and materials which will be needed to give human activities there some degree of permanence.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,506

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,216
Écart entre enseignants0,202 · 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'étudeObservationnel
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLaCRIS (University of Lapland)Même sujetSuperconducting and THz Device TechnologyTravaux en français237 207