MétaCan
Menu
← Back to cohort
Record W6996192145

Recommandations pour la réduction des gaz à effet de serre dans le secteur minier au Québec

2021· other· fr· W6996192145 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2021
Typeother
Languagefr
FieldNeuroscience
TopicNeuroinflammation and Neurodegeneration Mechanisms
Canadian institutionsnot available
Fundersnot available
KeywordsWork (physics)Context (archaeology)LimitingGovernment (linguistics)
DOInot available

Abstract

fetched live from OpenAlex

L’objectif de cet essai est de déterminer qu’elles sont les techniques les plus efficaces dans le domaine de l’efficacité énergétique et de la transition énergétique afin qu’un site minier du Nord québécois puisse réduire ses émissions de gaz à effets de serre et de faire des recommandations. Les technologies recherchées peuvent être applicables sur des mines à ciel ouvert ainsi que sur des mines souterraines, et doivent s’implanter spécifiquement à l’étape d’exploitation et d’extraction du minerai. La loi sur la qualité de l’environnement, qui entoure toute activité ayant un impact sur l’environnement est mise en contexte ainsi que les règlements découlant de cette loi et entourant les normes d’émissions et de déclarations d’émissions dans l’atmosphère. Également, l’initiative vers le développement minier durable de l’association minière du Canada est expliquée et le lien est fait entre cette initiative et les différents règlements et l’importance pour les sites miniers de diminuer leurs émissions de gaz à effets de serre. La première étape d’un processus de diminution d’émissions atmosphériques est expliquée, et il s'agit de faire un inventaire énergétique et de gaz à effets de serre d’un site avant de se lancer dans l’implantation d’un projet de réduction. Les projets présentés sont les suivants : l’installation d’un système de ventilation sur demande à la mine Éléonore de Newmont Goldcorp; un système de récupération de la chaleur pour en faire de la ventilation et chauffer une mine souterraine à la mine Kittila d’Agnico Eagle; l’installation du Rail-Veyor, une infrastructure de transport de minerai brut fonctionnant 100 % à l’électricité à la mine Goldex d’Agnico Eagle; l’installation d’éoliennes afin de créer un système d’approvisionnement en électricité hybride diesel-éolien à la mine Diavik de Rio Tinto; finalement l’installation de génératrices fonctionnant au gaz naturel liquéfié afin d’assurer à 100 % l’apport en électricité de la mine Renard de Stornoway Diamonds. Suite à cette étude, il est déterminé que le Rail-Veyor est l’option la plus flexible pour la diminution des émissions atmosphériques puisqu’il peut être implanté aussi bien sur une mine à ciel ouvert que souterraine. Puis, l’installation du système de ventilation sur demande vient en deuxième position, comme son impact sur les gaz à effet de serre est important et son installation rapidement rentable, cependant il concerne seulement les mines souterraines. L’objectif de l’essai est donc atteint comme des recommandations sont faites afin que les responsables concernés d’un site minier puissent mettre en place des initiatives de diminution des gaz à effets de serre.

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 imitation

Not 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.

metaresearch head score (Codex)0.013
metaresearch head score (Gemma)0.017
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.095
Threshold uncertainty score0.193

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0130.017
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.002
Science and technology studies0.0050.002
Scholarly communication0.0050.001
Open science0.0030.001
Research integrity0.0030.003
Insufficient payload (model declined to judge)0.0140.003

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 head0.018
GPT teacher head0.214
Teacher spread0.196 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Same topicNeuroinflammation and Neurodegeneration Mechanisms→French-language works237,207→