Notice bibliographique
Résumé
Геополитическая обстановка в мире и отказ от долларовой системы взаиморасчетов между странами, привел к необходимости иметь большой золотой запас. По итогам 2024 года по объемам золотодобычи Россия занимает 2-ое место (310 т) после Китая (380 т), далее располагаются Австралия (290), Канада (200), США (160). Среди топ 20 компаний по добыче золота в 2022 году наши компании занимают следующие места: 6 -е место - Polуus Gold International (79 т), 15-е место Polymetal International (45.1 т), 18-е место Nord Gold (31.9 т). Для сравнения, 1ое место в списке занимает компания Newmont с объемом добычи 186,6 т. В России в лидерах 2022 года с большим отрывом от остальных регионов, остаются Красноярский край и Магаданская область, но их начинает догонять по объемам производства Якутия. Перспективы заметного прироста в ближайшие годы сохраняются у Забайкалья, Чукотки и Хабаровского края. Десятка крупнейших регионов-золотодобытчиков обеспечивает более 90% производства золота в России. The global geopolitical situation and the abandonment of the dollar system of mutual settlements between countries have led to the need for a large gold reserve. Based on the results of 2024, Russia ranks 2nd in gold production volumes (310 t) after China (380 t), followed by Australia (290), Canada (200), and the USA (160). Among the top 20 gold mining companies in 2022, our companies occupy the following places: 6th place Polyus Gold International (79 t), 15th place Polymetal International (45.1 t), 18th place Nord Gold (31.9 t). For comparison, 1st place on the list is occupied by Newmont with a production volume of 186.6 t. In Russia, the leaders in 2022 by a wide margin remain the Krasnoyarsk Territory and Magadan Oblast, but Yakutia is beginning to catch up in production volumes. Transbaikal, Chukotka, and Khabarovsk Krai remain poised for significant growth in the coming years. The top ten gold-producing regions account for over 90% of Russia's gold production.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».