MétaCan
Menu
Back to cohort
Record W2977694115 · doi:10.1522/revueot.v28n1.1023

L' économie minière de l’orpaillage artisanal dans les sociétés post-conflit : jeux des acteurs et enjeux de développement et de coopération internationale. Étude de cas en Côte d’Ivoire

2019· article· fr· W2977694115 on OpenAlexvenueno aff
Constant Soko

Bibliographic record

VenueRevue Organisations & territoires · 2019
Typearticle
Languagefr
FieldEngineering
TopicMining and Resource Management
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical scienceHumanitiesArt

Abstract

fetched live from OpenAlex

L’économie minière de l’orpaillage artisanal est apparue en Côte d’Ivoire dans les années 2000, à la suite d’une rébellion qui s’est emparée du nord du pays. Les rebelles ont mis en place cette économie en vue de trouver des ressources afin de faire face à l’effort de guerre et d’apporter un semblant d’activité économique dans les différentes régions sous leur contrôle. Depuis, cette activité a continué et est devenue l’activité économique principale dans les différentes zones rurales du pays après la réunification du pays. Cette économie, bien qu’apportant des revenus conséquents aux mineurs et aux populations locales, ne peut pas assurer, à elle seule, le développement local et a besoin d’un soutien aussi bien de l’État que des multinationales d’extraction minière pour un partenariat public privé. Ceci est d’autant plus important que les mineurs artisanaux ont de l’expertise aussi bien sur le plan de l’extraction que celui de la commercialisation. Ils maitrisent le marché local et sous régional qui est différent de celui des multinationales. Une coopération entre l’État, les orpailleurs artisanaux et les multinationales d’extraction minière pourrait permettre de créer de milliers d’emplois et réduire les conséquences environnementales et les risques d’accident, ce qui pourrait entrainer un véritable développement local dans les différentes régions. La coopération internationale devrait en effet se pencher sur ces derniers aspects.

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)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient 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 score0.264
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
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 head0.030
GPT teacher head0.303
Teacher spread0.272 · 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

Citations10
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueRevue Organisations & territoiresSame topicMining and Resource ManagementFrench-language works237,207