MétaCan
Menu
← Retour à la cohorte
Enregistrement W2121867261 · doi:10.1139/f2011-103

Fishing power increases from technological development in the Faroe Islands longline fishery

2011· article· en· W2121867261 sur OpenAlexvenueno aff
Ole Ritzau Eigaard, Bjarti Thomsen, Holger Hovgaard, Anders Nielsen, A.D. Rijnsdorp

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGadusHaddockFisheryFishingGadidaeFisheries managementFisheries scienceLogbookAtlantic codGeographyBiologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

During an effort-regulated period from 1996 to 2002, unregistered annual increases of 0.3% of hooks fished per day were demonstrated for the Faroe Islands longline fishery. However, annual increases were higher (1.5%) during a preceding total allowable catch regulated period, thereby invalidating an expectation of the 1996 shift in regulations (output to input control) to have induced increases in the number of hooks set per day. Underlying this result is a substantial increase in total yearly effort (fishing days) and a shift in targeting behaviour from secondary to primary (high value) target species in response to the transition from output to input control. Interview data on technology were combined with logbook data and analysed with generalized linear modelling to demonstrate haddock ( Melanogrammus aeglefinus ) and Atlantic cod ( Gadus morhua ) catch-per-unit-effort increases of 51% and 26%, respectively, following the introduction of skewed hooks and swivel line. The technological introductions were not correlated to regulation shifts. So, rather than the management system in force, an ongoing technological development seems to be the principal driver of fishing power trends. The results highlight the need to explicitly address technological development and targeting behaviour when attempting to meet conservation objectives through input control of fisheries.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,034
Tête enseignante GPT0,219
Écart entre enseignants0,185 · 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

Citations19
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

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