MétaCan
Menu
Retour à la cohorte
Enregistrement W1998890679 · doi:10.1561/102.00000023

Can Cooperative Management of Tuna Fisheries in the Western Pacific Solve the Growth Overfishing Problem?

2013· article· en· W1998890679 sur OpenAlexaff
Megan Bailey, U. Rashid Sumaila

Notice bibliographique

RevueStrategic Behavior and the Environment · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOverfishingTunaFisheryFisheries managementFishingFish <Actinopterygii>Biology

Résumé

récupéré en direct d'OpenAlex

Tuna fisheries in the western and central Pacific Ocean are important globally for both food and economic security. Yellowfin and bigeye tuna stocks in this region are declining, in part due to the juvenile bycatch of these species by the purse seine fishery using floating objects and fish aggregating devices (FADs). This leads to a conflict between the longline and handline fisheries, which target adult fish, and the purse seine fishery, whose bycatch is leading to growth overfishing. This paper develops a bioeconomic game-theoretic equilibrium model to determine if, at equilibrium, the elimination of juvenile fishing could bring economic benefits to the region. Specifically, we examine non-cooperative and cooperative outcomes for a threeplayer game: purse seine, longline and handline, incorporating skipjack, yellowfin and bigeye as target species. Our results suggest that the reduction or elimination of fishing on floating objects could result in increased net benefits to the region from US $100 million to US $350 million per year; however, this gain is not shared equitably among the three fisheries. Notably, purse seine fisheries stand to lose economically through this type of management decision. The realization of potential economic gains for this region will require the formation of a cooperative sharing system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,134
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,219
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

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

Citations30
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic Behavior and the EnvironmentMême sujetMarine and fisheries researchTravaux en français237 207