Ressources minières dans les Amériques: Mutations d’un continent
Bibliographic record
Abstract
Dans un contexte où l'émergence du réchauffement climatique comme menace globale peine à freiner la surconsommation et la course à l'énergie qui en sont largement la cause, la question du développement des ressources minières et énergétiques se pose avec d'autant plus d'acuité que leur production a fortement augmenté sur le continent américain, comme partout ailleurs dans le monde.Ces dernières années, le « boom » de l'extractivisme, en tant qu'activité humaine capable de modifier de manière significative l'environnement et le climat, peut être considéré en cela comme partie intégrante d'un ensemble de facteurs marquant une nouvelle ère géologique amorcée au tournant du XIX e siècle et baptisée « anthropocène » par le prix Nobel Paul Crutzen.En attribuant une origine humaine aux transformations du climat ou de l'environnement, les tenants de l'anthropocène, tels que Christophe Bonneuil et Jean-Baptiste Fressoz dans leur ouvrage L'Événément anthropocène (Paris : Seuil, 2013) invitent à une prise de conscience de l'impact de ces activités sur des changements globaux qui laissent à penser que l'on a désormais atteint un point de non retour.Bien que certains membres de la communauté scientifique refusent encore d'attribuer une origine anthropique à ces changements (Samuele Furfari, dans Sandrine Tolazzi, « Ressources minières et énergétiques: le choc des discours »), une grande majorité d'entre eux insistent sur la nécessité de lier de manière plus générale la question des conséquences environnementales à celle de l'exploitation des ressources (Normand Mousseau, dans le même article).Il est vrai, par ailleurs, que la question environnementale se trouve souvent au cœur des débats actuels sur le développement des ressources minières.Cependant, il semblerait aussi que l'impact économique, politique, géostratégique et social du récent essor des industries extractives sur le continent américain entraîne de véritables mutations à l'échelle de ce continent, comme le souligne l'entretien avec Bernadette Mérenne-Schoumaker.C'est donc avant tout pour tenter de déterminer la nature de ces mutations que les coordinateurs de ce numéro ont, dans un premier Ressources minières dans les Amériques: Mutations d'un continent IdeAs, 8 | 2016
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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.
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".