MétaCan
Menu
Retour à la cohorte
Enregistrement W7111346638 · doi:10.15826/recon.2025.11.3.014

African countries in the rare earth metals market: outsiders or independent players?

2025· article· en· W7111346638 sur OpenAlexaboutno aff

Notice bibliographique

RevueR-Economy · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAcademic Publishing and Open Access
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRare earthGovernment (linguistics)Earth (classical element)Work (physics)

Résumé

récupéré en direct d'OpenAlex

Relevance. Rising demand for rare earth elements (REE), coupled with China’s dominance in reserves and processing, is driving Western countries to seek alternatives in Africa. Although officially recorded African reserves account for less than 5% of the global total, including unrecorded deposits the continent may hold about one-third of the world’s supply. Research Objective. The study aims to determine the position of African countries in the global REE market amid intensified competition between ‘old’ players (EU, United Kingdom, Australia, Canada) and ‘new’ players (USA, China). Data and methods. In addition to monographs and research articles, the study uses primary and secondary statistical data and employs comparative cross-regional and cross-national analysis. The research follows the technological chain of REE production, from Africa to global markets, covering the period from 1952 to mid-2025. Results. Although metal production is still virtually absent in African countries and only the lower segments of the technological chain have developed, African countries, primarily South Africa, are asserting themselves as independent actors in global rare earth markets. This trend is facilitated by higher returns from foreign investment in rare earth mining in Africa, amid the Juglar-type cyclical fluctuations of market prices and the current upward phase of the price cycle. Conclusions. In the near future, Morocco, Nigeria, Burundi, and Zambia are expected to become the main arenas of competition between the ‘old’ and ‘new’ players for REEs in Africa. The first two are likely to fall under Western influence, the latter two under China’s.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,002
Communication savante0,0050,005
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,061
Tête enseignante GPT0,362
Écart entre enseignants0,302 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueR-EconomyMême sujetAcademic Publishing and Open AccessTravaux en français237 207