MétaCan
Menu
Back to cohort
Record W6889013114 · doi:10.2516/ogst:1980042/pdf

Prospective des ressources face à la consommation (résumé)

2006· article· fr· W6889013114 on OpenAlexaboutno aff

Bibliographic record

VenueSpringer Link (Chiba Institute of Technology) · 2006
Typearticle
Languagefr
FieldEngineering
TopicExtraction and Separation Processes
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)Western europeMining industry

Abstract

fetched live from OpenAlex

\n La crise énergétique des dernières années nous a davantage sensibilisés au fait que les ressources non-renouvelables sont limitées ; en conséquence nous nous intéressons beaucoup plus, à l'heure actuelle, aux ressources minérales autres que les combustibles. L'évaluat'ion d'une ressource spécifique suppose de notre part deux opérations bien distinctes et précises ; en premier lieu, il faut déterminer à quel point nous sommes certains de la présence, dans la croûte terrestre, d'une quantité donnée de cette ressource ; il faut, en second lieu, mesurer l'attrait économique que celle-ci représente. Bon nombre d'entre nous, y compris ceux qui établissent les politiques de développement, avons tendance à ignorer certains aspects de la disponibilité des ressources, notamment de celles qui existent en abondance, comme c'est le cas pour les sables bitumineux du Canada. La présence des ressources en quantités suffisantes ne devrait jamais être prise en considération sans par ailleurs tenir compte de leur disponibilité. Nous proposons ici une représentation graphique d'un processus d'évaluation d'une ressource donnée, dans laquelle nous tenons compte de ces deux facteurs. Nous dressons la courbe de l'approvisionnement sur une période donnée, en établissant une distinction entre (a) les réserves actuellement connues dans les gisements, (b) les prolongements présumés de ces gisements, (c) les autres gisements connus, mais encore inexploités, et (d) les gisements encore inconnus. Une telle approche a le double avantage de présenter une vue réaliste de la disponibilité d'une ressource et de prévenir les craintes injustifiées de pénuries futures, comme cela se produit lorsque les projections ne tiennent compte que des réserves actuellement exploitées. Lorsque nous étudions la demande future, nous devons prendre autant de précautions que lorsque nous établissons des projections sur la disponibilité des approvisionnements. Comme les progrès technologiques entraînent une utilisation plus efficace des ressources, les prévisions uniquement fondées sur nos techniques actuelles d'utilisation peuvent entraîner une surestimation de la demande. D'une façon générale, une croissance soutenue de la demande semble inévitable, du moins dans un avenir rapproché. La réaction de l'offre à la demande - toujours ralentie par les délais nécessaires à la mise en ceuvre de nouveaux gisements - mettra cependant en branle des mécanismes de plus en plus complexes, et nous continuerons de connaître des périodes de pénurie et de surabondance en raison de notre incapacité à gérer l'imprévisible. Afin d'atténuer les effets de pénuries futures, il faudra promouvoir les économies - c'est-à-dire tirer le profit maximum des matières premières - grâce à une récupération plus efficace, au recyclage, à la substitution et à une meilleure conception dans la fabrication des produits manufacturés. Les changements dans les techniques d'utilisation des ressources auront probablement la plus forte incidence sur les courbes montrant la relation entre la demande et l'offre en minéraux. Nous ne devrions donc pas nous laisser induire en erreur par des juxtapositions simplistes de ressources chiffrées et de prévisions de la consommation. L'accession aux ressources et leur consommation sont toutes deux soumises à des processus dynamiques, il existe bien des façons d'augmenter nos ressources et de modifier radicalement nos habitudes de consommation. Il n'en tient qu'à nous d'établir un lien entre nos ressources et leur consommation - lien qui n'est pas prédéterminé.\n

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)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.738
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0000.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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 head0.012
GPT teacher head0.245
Teacher spread0.233 · 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 designTheoretical or conceptual
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

Citations0
Published2006
Admission routes1
Has abstractyes

Explore more

Same venueSpringer Link (Chiba Institute of Technology)Same topicExtraction and Separation ProcessesFrench-language works237,207