Euros vs. Yuan: Comparing European and Chinese Fishing Access in West Africa
Notice bibliographique
Résumé
We compare the performance of European Union (EU) and Chinese fisheries access agreements with West African countries in terms of illegal and unreported fishing, economic equity, and patterns of exploitation. Bottom-up re-estimations of catch reveal that the EU (1.6 million t•year(-1)) and China (2.3 million t•year(-1)) report only 29% and 8%, respectively, of their estimated total catches (including estimated discards whenever possible) from West African countries between 2000 and 2010. EU catches are declining, while Chinese catches are increasing and are yet to reach the historic maximum level of EU catches (3 million t•year(-1) on average in the 1970s-1980s). The monetary value of EU fishing agreements, correlated in theory with reported catches, is straightforward to access, in contrast to Chinese agreements. However, once quantified, the value of Chinese agreements is readily traceable within the African economy through the different projects they directly cover, in contrast to the funds disbursed [to host governments] by the EU. Overall, China provides resources equivalent to about 4% of the ex-vessel value [value at landing] of the catch taken by Chinese distant-water fleets from West African waters, while the EU pays 8%. We address the difficulties of separating fees directly related to fishing from other economic or political motivations for Chinese fees, which could introduce a bias to the present findings as this operation is not performed for EU access fees officially related to fishing. Our study reveals that the EU and China perform similarly in terms of illegal fishing, patterns of exploitation and sustainability of resource use, while under-reporting by the EU increases and that by China decreases. The EU agreements provide, in theory, room for improving scientific research, monitoring and surveillance, suggesting a better performance than for Chinese agreements, but the end-use of the EU funds are more difficult, and sometime impossible to ascertain.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».