MétaCan
Menu
Retour à la cohorte
Enregistrement W7084757439 · doi:10.5061/dryad.w6m905r0g

Supplemental data from: Manganese ore systems: A Canadian perspective on a critical element in the transition to a sustainable green economy within North America

2025· dataset· en· W7084757439 sur OpenAlexaffabout

Notice bibliographique

RevueOpen MIND · 2025
Typedataset
Langueen
DomaineSocial Sciences
ThématiqueGlobal Political and Economic Relations
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésManganeseElement (criminal law)Production (economics)Sustainable developmentTonnageComponent (thermodynamics)Battery (electricity)Current (fluid)

Résumé

récupéré en direct d'OpenAlex

Manganese is a critical metal for modern economic development. Over 85% of manganese is used in the production of steel, where, as a desulphurising agent, it is an essential additive in all steelmaking, and as an alloying agent it makes a range of specialty steels. Additionally, it has significant uses in fertilizer, animal feed, rubber, glass, unleaded gasoline, ceramics, and paints. Currently over 80% of manganese ore comes from a few mines in Africa and Australia, but its production is facing two potential paradigm shifting developments over the next decade: the potential extraction of manganese nodules from the ocean floor; and within the transition to a green economy as a battery component for electric vehicles. Herein we present the first national inventory of Canada’s manganese occurrences in 90 years. While Canada has no current production, it does contain many occurrences, though most are too small to be viable operations. Presently, the deposits most suitable for mining are in the Woodstock area, New Brunswick. Not only are these relatively large tonnage and high grade, their mineral composition makes them more suitable for electric vehicle batteries than most current mines or in the future manganese nodules.

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)0,001
score de la tête « metaresearch » (Gemma)0,010
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,020
Études des sciences et des technologies0,0020,000
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0620,019

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 Opus0,041
Tête enseignante GPT0,358
Écart entre enseignants0,317 · 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
GenreJeu de données

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetGlobal Political and Economic RelationsTravaux en français237 207