Bibliographic record
Abstract
À l’exception de l’exploitation de diamants par 150 mètres de profondeur, aucune opération de longue durée n’a encore été menée à bien en matière de collecte à des fins commerciales de minéraux solides à des profondeurs supérieures à - 200 mètres. La compagnie canadienne Nautilus Minerals a obtenu sa première concession minière en janvier 2011 pour des gisements de sulfures polymétalliques, en Papouasie-Nouvelle-Guinée. Elle travaille à la mise au point d’un système d’exploitation de ces gisements, dont les premiers essais devraient avoir lieu en 2019. La France dispose par ailleurs d’un ensemble cohérent d’atouts, de ressources, de compétences et d’expertises uniques au monde en matière de fonds sous-marins et d’exploitation minière. Ces acteurs sont regroupés au sein d’un groupe de travail dédié du Cluster Maritime Français (CMF). L’État a mis en place un concours mondial de l’innovation consacré à la valorisation des richesses marines, qui a permis de financer les projets les plus innovants et de fédérer plusieurs industriels français autour des deux consortiums (MELODI et FONASURF) dédiés aux développements d’outils d’exploration et d’exploitation.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.005 |
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".