Planeamiento estratégico para optimizar la exploración en empresas mineras juniors exploradoras listadas en Bolsa de Valores de Lima
Bibliographic record
Abstract
La investigación trata de cómo deben ser gestionadas las exploraciones de las empresas mineras junior exploradoras de capitales extranjeros establecidas en el Perú, teniendo en cuenta las estrategias que utilizaron en las últimas tres décadas para poder llegar al éxito. Se usa el planeamiento estratégico para la fase de exploración, integrando las estrategias de exploración y adquisición en un árbol de decisiones, basado en las experiencias de tres empresas mineras junior cotizadas en la Bolsa de Valores de Lima (BVL) que tuvieron éxito con sus proyectos mineros, estos serán referencias para que otras empresas similares implementen un planeamiento estratégico y puedan mejorar la gestión de sus exploraciones para aumentar la rentabilidad de sus accionistas, ya que no solo basta tener un buenos proyectos porque si no lo saben manejar no avanza, en todo caso se podrían retroalimentar con los resultados para corregir y encaminar las decisiones y aumentar las probabilidades del éxito. Las informaciones utilizadas para esta investigación fueron diversas documentaciones de gestión e informaciones técnicas que presentan las empresas mencionadas en los mercados bursátiles de Lima y Toronto, disponibles en el Sistema de Análisis y Recuperación de Documentos Electrónicos (SEDAR), sitio oficial que brinda acceso a través de su página web.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".