MétaCan
Menu
← Retour à la cohorte

Preference heterogeneity for large mining projects : Three essays in non-market valuation

2021· dissertation· W7148373834 sur OpenAlexaboutno aff
Adrien Corneille

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Limiting

Résumé

récupéré en direct d'OpenAlex

Préférences hétérogènes des grands projets miniers : trois essais en évaluation non marchande L’évaluation fine des impacts miniers représente un défi majeur considérant l’ampleur des changements socio-économiques et environnementaux et les controverses que le secteur minier continue jusqu’à lors de susciter. Un aspect souvent manquant de l’évaluation des projets miniers est lié à la question de l’impact sur le bien-être. La thèse a pour objectif d’apporter un ensemble d’éclairages sur les potentiels impacts, notamment en considérant l’hétérogénéité de la population. Le contexte d’étude est la province minière du Québec, au Canada, avec une enquête des ménages mesurant les variations de bien-être par la méthode Choice Experiment. L’article 1 pointe l’importance du contexte géographique, marquée par des inégalités spatiales dans les impacts miniers. Nous trouvons que le développement minier peut avoir des impacts de longues distances sur le bien-être, liés au type de minerai et à la perception individuelle du risque. L’article 2 tire avantage du passé minier de l’exploitation de l’or au Québec pour étudier si cette expérience collective facilite les arbitrages miniers sur les terres rares, un minerai nouveau dans la province et souvent méconnu par le public. Enfin l’article 3 teste les effets potentiels de campagnes d’information sur les changements de bien-être. L’information apparaît avoir peu ou aucun effet. Cependant, ce résultat masque des effets élevés et contrastés auprès des individus opposés par leurs perceptions sur l’opportunité/menace d’une nouvelle mine. La thèse conclue en présentant des nouvelles pistes de recherche pour mieux évaluer les effets du développement minier sur le bien-être.

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)0,009
score de la tête « metaresearch » (Gemma)0,036
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,007
Communication savante0,0060,008
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
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 Opus0,047
Tête enseignante GPT0,277
Écart entre enseignants0,231 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMining and Resource Management→Travaux en français237 207→