MétaCan
Menu
Back to cohort
Record W2035458323 · doi:10.1139/e09-064

Évolution géodynamique externe et implication sur le devenir de l’or en contexte sub-sahélien

2010· article· fr· W2035458323 on OpenAlexvenueno aff
Ousmane Bamba

Bibliographic record

VenueCanadian Journal of Earth Sciences · 2010
Typearticle
Languagefr
FieldEarth and Planetary Sciences
TopicGeological and Geophysical Studies Worldwide
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesGeologyPhilosophy

Abstract

fetched live from OpenAlex

L’or est un métal chimiquement peu mobile pouvant se concentrer dans les matériaux de surface, soit par accumulation relative dans les sites éluviaux, soit par accumulation absolue dans les placers alluviaux. Ces matériaux de surface peuvent être exploités traditionnellement par les orpailleurs ou par voie industrielle. C’est dire toute l’importance d’une bonne connaissance du cycle supergène de l’or pour l’élaboration de critère de prospection et l’amélioration des techniques de récupération. Le site de la présente étude, situé au Nord du Burkina Faso (Afrique de l’Ouest) est un gîte d’or alluvial, où nous avons effectué des études morphopédologique, minéralogique et géochimique. Ces investigations montrent que deux principales dynamiques sédimentaires ont généré le gîte : (i) une dynamique ancienne tracée par l’or grossier, les zircons grossiers, le quartz et les nodules ferrugineux centimétriques, (ii) une dynamique actuelle à subactuelle tracée par des sédiments plus fins argilo-sableux et sablo-argileux pauvres en or. Les marques de l’évolution morphodynamique du paysage affectent diversement les grains d’or, dont les études morphoscopique et chimique indiquent que ces particules, issues de plusieurs sources parentales, ont subi des cycles d’altération et de transport mécanique importants tendant à leur homogénéisation tant du point de vue morphologique que chimique.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.744
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.002
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.020
GPT teacher head0.219
Teacher spread0.199 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations5
Published2010
Admission routes1
Has abstractyes

Explore more

Same venueCanadian Journal of Earth SciencesSame topicGeological and Geophysical Studies WorldwideFrench-language works237,207