MétaCan
Menu
Back to cohort
Record W7113081997

Sustainable development goals in mining companies operating in South America

2024· article· es· W7113081997 on OpenAlexfundno aff

Bibliographic record

VenueMinerva Digital Library (Universidad EAN) · 2024
Typearticle
Languagees
FieldEngineering
TopicMining and Resource Management
Canadian institutionsnot available
FundersArcelorMittalBarrick Gold Corporation
KeywordsContext (archaeology)Sustainable developmentLocal DevelopmentEnvironmental impact assessment
DOInot available

Abstract

fetched live from OpenAlex

La minería representa el 6,9 % del producto interno bruto (PIB) mundial, atendiendo diversas demandas energéticas y manufactureras. Sin embargo, acarrea consecuencias adversas para el medio ambiente y las comunidades. En 2020, la industria extractiva generó aproximadamente el 15 % de las emisiones totales de gases de efecto invernadero. Además, contamina con elementos como arsénico, selenio, plomo y mercurio, junto con un consumo excesivo de agua y deterioro de su calidad, así como degradación de los ecosistemas. La Agenda 2030 de las Naciones Unidas, basada en los Objetivos de Desarrollo Sostenible (ODS), es una iniciativa global que busca erradicar la pobreza, proteger el planeta, garantizar la paz y promover la prosperidad. En el contexto minero, es esencial evaluar los impactos desde la extracción hasta el fin del ciclo de vida de los recursos, donde los ODS pueden ser usados como marco de referencia. Esta tesis de maestría tiene como objetivo principal estudiar las estrategias corporativas relacionadas con los ODS que son implementadas por las empresas más relevantes del sector de la minería en América del Sur. El desarrollo metodológico se fundamentó en el estudio de 41 sitios mineros ubicados en América del Sur para analizar su impacto bajo el contexto de los ODS, la implementación de estrategias alineadas con los ODS y la contribución sostenible de las empresas dentro del marco de los ODS. En primer lugar, se evidenció que la minería tiene un impacto significativo en la economía de la región, contribuyendo de manera importante al PIB de países como Brasil, Chile, Colombia y Perú, así como al empleo y las exportaciones. Sin embargo, también se observaron desafíos en la dimensión social, como problemas de salud, corrupción, desigualdad económica, inequidad de género y conflictos comunitarios. En el ámbito ambiental, la minería en América del Sur enfrenta retos significativos relacionados con el agua, la contaminación y los impactos ecológicos, que deben abordarse para cumplir con los ODS y promover una minería sostenible en la región. En segundo lugar, se encontró que la industria minera en América del Sur adopta estrategias para promover y aplicar los ODS. Aunque existe un compromiso significativo por parte de las empresas mineras para integrar los ODS en sus operaciones y prácticas comerciales, también se identificaron áreas que requieren mejoras. Si bien se han implementado estrategias relacionadas con ODS económicos y sociales, como el ODS 8 (trabajo decente y crecimiento económico), ODS 9 (industria, innovación e infraestructura) y ODS 1 (fin de la pobreza), se observan fluctuaciones y áreas de menor atención en otros ODS, como el ODS 5 (igualdad de género) y el ODS 13 (acción por el clima). Estas áreas representan desafíos que las empresas mineras deben abordar para avanzar hacia una minería más sostenible y contribuir de manera más efectiva al cumplimiento de los ODS. En tercer lugar, se observó que la contribución sostenible de la industria minera varía notablemente entre los ODS. Algunos ODS, como el 6, 7, 8 y 13, contaban con indicadores relevantes de medición, mencionados en los informes de sostenibilidad, mientras que otros, como el ODS 2 y el ODS 9, carecían de ellos. Aunque se observaron tendencias positivas en algunos ODS a lo largo del tiempo, como el 8, 1, y 13, se identificaron áreas de mejora en aspectos como la salud y el bienestar (ODS 3), la igualdad de género (ODS 5), la eficiencia energética (ODS 7) y la gestión de residuos (ODS 12). Estos resultados subrayan la necesidad de implementar y evaluar acciones más efectivas para abordar los desafíos y promover un desarrollo sostenible en la industria minera.

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), Scholarly communication
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.496
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.002
Science and technology studies0.0000.000
Scholarly communication0.0020.003
Open science0.0010.001
Research integrity0.0000.000
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 head0.007
GPT teacher head0.179
Teacher spread0.172 · 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 designSimulation or modeling
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
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueMinerva Digital Library (Universidad EAN)Same topicMining and Resource ManagementFrench-language works237,207