MétaCan
Menu
Retour à la cohorte
Enregistrement W7118014456 · doi:10.5281/zenodo.18114482

Geographies of Toxic Persistence: Environmental Degradation in Russia's Industrial Regions

2024· article· en· W7118014456 sur OpenAlexaboutno aff
Rakesh Kumar

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrbanization and City Planning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndustrialisationEnvironmental degradationGeospatial analysisNatural resourceCorporate governanceEnvironmental governanceEnvironmental impact assessmentNatural (archaeology)

Résumé

récupéré en direct d'OpenAlex

Abstract Despite growing global concern about the environment; growing numbers of international agreements designed to mitigate the effects of pollution; and numerous governmental regulations adopted to improve environmental conditions in the Russian industrial regions of the North (Norilsk), and the large-scale industrial region of the Urals, environmental damage has continued to increase. The long-standing issue of environmental damage in Russia’s industrial regions is the focus of this research question: what are the geographic factors that have allowed environmental degradation to persist in these areas? Utilizing an extensive mixed-methodology study of both geospatial analysis and historical reviews of industrialization under the Soviet Union, along with in-depth qualitative case studies of Norilsk and the Urals, this study identifies and analyzes the key drivers that allow environmental degradation to continue to be a problem in Russia’s industrial regions. These results show how the specific geographic characteristics of each of these places have synergized historically with the legacy of the Soviet Union's industrialization policies, which emphasized the importance of production over the environment, and economically today, with the imperative to extract resources for the financial benefit of Russia. This study has significant implications for the development of environmental policies in other areas of the world where natural resources are being extracted at high volumes, such as Canada's oil sands and Australia's mining frontier, promoting the need for geographically-tailored strategies, i.e., increased use of remote sensing technologies and decentralized governance structures. Additionally, this study builds upon current scholarship in the field of environmental geography, specifically in post-industrial and post-Soviet contexts, to better understand the role of physical and human geographies in sustaining ecological crises, while also addressing a gap in the literature in terms of understanding the relationship between time and space in analyzing the persistence of ecological crises.

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)0,002
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 enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,077
Tête enseignante GPT0,264
Écart entre enseignants0,187 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetUrbanization and City PlanningTravaux en français237 207