Croissance économique des pays émergents et géographie mondiale des pierres précieuses
Bibliographic record
Abstract
L’évolution mondiale des activités extractives est de plus en plus dépendante de la demande des pays émergents. Les conséquences de la croissance de ces pays sur les exploitations de pierres précieuses sont complexes car le marché des gemmes a de nombreuses particularités. La demande est étroitement liée aux matrices socioculturelles de chaque pays. Par ailleurs, l’enrichissement des populations a également un impact sur la production de pierres telles que les saphirs ou les rubis. En effet, ces gemmes sont principalement extraites dans des exploitations informelles et cette activité est de moins en moins attractive pour une population dont le niveau de vie s’élève peu à peu. Dans les vastes gisements sri lankais et birmans, l’épuisement de la ressource est une autre menace. Finalement, si la croissance du marché du diamant est assurée par le Canada, la Russie et l’Australie, pour les autres gemmes, l’Afrique de l’Est est devenue le nouvel « Eldorado ». Dans ces pays, les contextes géologiques, économiques, politiques et sociaux sont très favorables au développement des exploitations artisanales de gemmes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".