Nachhaltige Nutzung mineralischer Rohstoffe am Beispiel der DR Kongo : Untersuchung der Wirksamkeit und Ãbertragbarkeit politischer MaÃnahmen
Bibliographic record
Abstract
Unter dem Begriff „Ressourcenfluch“ wird in der Fachwelt das Phänomen diskutiert, dass sich rohstoffreiche Länder paradoxerweise oft langsamer als rohstoffarme entwickeln, häufiger undemokratische Regierungsstrukturen aufweisen und öfter von Kriegen oder bewaffneten Konflikten betroffen sind. In der vorliegenden Studie werden die Debatte um mögliche Gegenmaßnahmen für den „Ressourcenfluch“ aufgegriffen und dazu verschiedene Initiativen aus den Bereichen Unternehmensverantwortung, Public‐Private‐Partnerships und Rohstofffonds, Sanktionen und Zertifizierung sowie Good Governance, Transparenz und Korruptionsbekämpfung vorgestellt. Es stellt sich die Frage, inwiefern aus (teilweise) erfolgreichen Beispielen Rückschlüsse auf andere Länder\nund andere Rohstoffe gezogen werden können. Diese Problematik wird exemplarisch\nan der Demokratischen Republik Kongo untersucht, einem Land, das in den letzten\nJahrzehnten unter unterschiedlichsten Facetten des „Rohstofffluches“ gelitten hat.\nDie Arbeit kommt zu dem Schluss, dass Maßnahmen nur erfolgreich sein können,\nwenn komplexe Rahmenbedingungen bei ihrer Implementierung berücksichtigt werden\nsowie nationale und internationale, staatliche und nicht‐staatliche Akteure ihre Einflussmöglichkeiten erkennen und ihrer Verantwortung gerecht werden. Dies ist in der Praxis nur sehr selten der Fall.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".