MétaCan
Menu
Retour à la cohorte
Enregistrement W2020213692 · doi:10.4000/vertigo.8894

Les conseils consultatifs régionaux : vers une nouvelle gouvernance pour les pêches de l’union européenne ?

2009· article· fr· W2020213692 sur OpenAlexvenueno aff
Sarah Lelong

Notice bibliographique

RevueVertigO · 2009
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La mer est aujourd’hui au cœur de grandes préoccupations environnementales : lutte contre les pollutions, réchauffement climatique et gestion des ressources. Les études scientifiques sur cette dernière question sont de plus en plus alarmantes et laissent envisager un avenir sombre pour les ressources halieutiques mondiales sur du court terme. Après une course effrénée vers des technologies et techniques de pêche toujours plus importantes depuis les années 70, le problème de surcapacité des flottes mondiales a conduit à celui de la surexploitation que connaissent près de 75% des stocks exploités dans le monde.La politique communautaire des pêches de l’Union européenne tente de prendre en compte les considérations environnementales depuis sa dernière réforme de 2002. Mais la tâche est complexe du fait des nombreux conflits existants entre les acteurs concernés par la question (scientifiques, professionnels du secteur de la pêche, décideurs politiques…). De ce constat sont nés les conseils consultatifs régionaux (CCR), structures de dialogue entre les différents acteurs impliqués à un niveau pertinent de décision et d’échange. Ces conseils travaillant en effet sur une échelle régionale, ils permettent l’implication des professionnels au processus de décision communautaire en matière de pêche et ainsi une meilleure acceptation de la norme et de ses considérations environnementales. Un premier bilan de leurs travaux actifs depuis quelques années permet d’espérer que l’on parvienne à une nouvelle forme de gouvernance.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,089
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,004
Communication savante0,0090,004
Science ouverte0,0010,004
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,210 · 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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetCoastal and Marine ManagementTravaux en français237 207