MétaCan
Menu
← Retour à la cohorte
Enregistrement W1983963539 · doi:10.1139/f02-057

Influence of trends in fishing power on bioeconomics in the North Sea flatfish fishery regulated by catches or by effort quotas

2002· article· en· W1983963539 sur OpenAlexvenueno aff
Clara Ulrich, Sean Pascoe, P. Sparre, Jan-Willem De Wilde, Paul Marchal

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFisheryFishingPleuronectesFisheries managementBioeconomicsStock assessmentOverfishingFish stockFlatfishStock (firearms)Profit (economics)Environmental scienceEconomicsFish <Actinopterygii>BiologyGeography

Résumé

récupéré en direct d'OpenAlex

Total allowable effort quotas (TAEs) are often considered as promising alternatives to single-species total allowable catch quotas (TACs) in fisheries management. However, implementing TAEs would primarily require converting nominal effort into fishing mortality rate, i.e., developing a relevant model of the dynamics of catchability. Assuming that trends in the catchability may occur through fishing-power creeping linked to increased capital invested and technology, we compare, by stochastic and dynamic simulation modelling, the relative biological and economic benefits and drawbacks of TAEs and TACs in the North Sea sole (Solea solea L.) and plaice (Pleuronectes platessa L.) fishery. Management targets are based on the Precautionary Approach and Harvest Control Rules developed by the International Council for the Exploration of the Sea (ICES). Fishermen are assumed to set their effort at the most (TAE) or least (TAC) conservative level. Overall, the outcomes are more sensitive to the catchability model when implementing TAEs, especially in the medium and long term, but the variability in catchability has a much greater impact on stock levels than on the fisheries profit.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,219
Écart entre enseignants0,200 · 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'étudeObservationnel
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

Citations45
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→