MétaCan
Menu
Retour à la cohorte
Enregistrement W1948748878

The Sociopolitical Economics of Marine Ranching Program in Korea

2001· article· en· W1948748878 sur OpenAlexaboutno aff
Seong Kwae Park

Notice bibliographique

RevueOcean and Polar Research · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessGovernment (linguistics)General partnershipMarine conservationFisheries managementFishingEquity (law)RevenueFisheryContext (archaeology)Marine protected areaOrder (exchange)Environmental resource managementEconomicsFinanceGeographyHabitatEcologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper aims at overviewing Korean fisheries profile with a view on why Korean fisheries need marine ranching program as a new fisheries paradigm - a community-based co-management approach and drawing some policy implications from the advanced experience in fisheries. The aims of community-based co-management approach as a planned approach can be set out under the planning objectives of efficiency and equity. In this context Tongyeong marine ranching program is an important government-sponsored pilot enterprise. Experiences in the advanced fisheries such as Canadian Snow-Crab case suggest that in order to be successful for marine ranching be successful it is necessary that (i) there should be high-value species, (ii) property right should be established, (iii) there should be the reasonable number of participants involved, (iv) the participants and the government should be able to share resource enhancement/management/utilization responsibilities and associated fisheries management expenses. Among these, management cost sharing based on the practical partnership between fishing communities and government is of particular importance because the government must have a full responsibility for all ranching program expenditure unless revenues sufficient to guarantee reasonable income and to share management cost are generated from the ranching business.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,081
Tête enseignante GPT0,358
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOcean and Polar ResearchMême sujetAgricultural Innovations and PracticesTravaux en français237 207