MétaCan
Menu
Retour à la cohorte
Enregistrement W7127103354 · doi:10.5281/zenodo.18461773

Military Spending on Domestic Oil and Gas Production in Canada

2025· article· W7127103354 sur OpenAlexaboutno aff
Peter Bell

Notice bibliographique

RevueOpen MIND · 2025
Typearticle
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueDefense, Military, and Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Investment (military)Production (economics)Capital (architecture)Government revenueDownstream (manufacturing)Natural gasLiabilityPetroleum industryFossil fuel

Résumé

récupéré en direct d'OpenAlex

This paper assumes an increase in the total Canadian government spending towards natural resource extraction projects of all sizes and uses environmental economics to compare projects. This paper starts with an example from oil and gas in BC, where producers flare waste methane gas that could otherwise be captured to reduce pollution and increase commercial value. This article considers a scénario where the government starts a new policy for minimum standards of waste gas capture, then the government pays to build the methane capture circuits for the companies if they don’t do it themselves. If the government pays for the methane capture and the company gets a free boost in revenue, then there may be some partial tax liability; for example, a tax liability that can be paid in-kind by doing environmental beneficiation somewhere in BC. This paper also considers an example in Saskatchewan, where an estimate for the capital cost of “enhanced oil recovery” is used to generate a model for military spending on oil and gas with estimates for the GDP multiplier. Based on the way the government is directly involved at the operational level in these scenarios, the paper also raises the idea of government insurance for industrial disasters and government investment into bottlenecks for supply chains of strategic significance.

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)0,003
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 enseignants0,140
Score d'incertitude au seuil0,997

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,043
Tête enseignante GPT0,272
Écart entre enseignants0,230 · 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 revueOpen MINDMême sujetDefense, Military, and Policy StudiesTravaux en français237 207