Panorama nazionale del niobio tra il 2010 e il 2014
Bibliographic record
Abstract
L’estrazione mineraria è l’attività estrattiva di un bene minerale dalla crosta terrestre. Il niobio (Nb) è l’elemento del n. 41 nella tavola periodica degli elementi chimici, come il metallo di transizione, con il suo grado di durezza sulla scala dei mohs pari a 6. I principali prodotti di niobio di interesse industriale sono attualmente ferroniobio, leghe per vuoto di niobio pentossido e niobio metallico. Il Brasile è il detentore delle più grandi riserve minerarie e guida il mercato quando si parla di Niobium, attualmente le sue riserve sono stimate intorno a 842.460,00 tonnellate con un contenuto medio dello 0,73% di Nb2O5. Con l’aggiunta di nuove politiche e rinnovi contrattuali, il Brasile ha consolidato la sua posizione nel mercato internazionale, avendo come principali consumatori Stati Uniti, Giappone, Olanda, Cina, Germania, Canada, Corea del Sud, Russia e Regno Unito. L’aumento del prezzo del petrolio nel periodo 2003-luglio 2008 ha reso possibili nuovi progetti di esplorazione e il mantenimento di linee di trasmissione disattivate, che hanno richiesto una maggiore produzione di tubi in acciaio con resistenza al calore e alle basse temperature, il che ha stimolato gli investimenti in nuovi studi sull’uso di sostanze che hanno soddisfatto la domanda , in crescita così il mercato interno di Niobium.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 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".