Notice bibliographique
Résumé
Abstract The number of fishing vessels in Pakistan's coastal waters has been steadily increasing but the fish catches steadily decreasing. Press reports blame this on poverty-driven overfishing by the artisanal fishers with banned nets. Using qualitative methods and tapping into local stakeholder knowledge, this study dispels simplistic views by exploring in depth the coastal artisanal fisheries sector in Pakistan and documenting the challenges faced by it. We argue that the poverty–resource degradation nexus is mediated through a poverty–credit market nexus and that addressing this problem will resolve imperfections in both the credit and product markets. Further, we argue that fishery degradation also has other causes and that addressing these and empowering communities will ease the poverty–resource degradation nexus. Résumé Le nombre de navires de pêche dans les eaux côtiéres du Pakistan n'a cessé d'augmenter, alors que les captures de poissons sont en baisse constante. Des rapports de presse rejettent le blâme sur la pauvreté incitant la surpêche avec des filets interdits, par les pêcheurs artisanaux. En utilisant des méthodes qualitatives et en puisant dans les connaissances des intervenants locaux, cette étude dissipe les points de vue simplistes en explorant en profondeur le secteur de la pêche artisanale dans les zones côtiéres du Pakistan et en documentant les défis soulevés par celui-ci. Nous soutenons que le lien pauvreté – dégradation des ressources est connecté à travers un lien du marché pauvreté-crédit et que résoudre ce probléme permettra d'adresser les imperfections dans les marchés du crédit et des produits. En outre, nous soutenons que la dégradation de la pêche a également d'autres causes et que résoudre ces problèmes et favoriser l'autonomisation des communautés réduira le lien pauvreté-dégradation des ressources.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».