MétaCan
Menu
Retour à la cohorte
Enregistrement W2132627979 · doi:10.18785/gcr.1902.17

A History of Change and Reorganization: The Pelagic Longline Fishery in Gouyave, Grenada

2007· article· en· W2132627979 sur OpenAlexafffund
Sandra Grant, Fikret Berkes, Johnson St. Louis

Notice bibliographique

RevueGulf and Caribbean Research · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesCanada Research ChairsInternational Development Research Centre
Mots-clésPelagic zoneFisherySurpriseFisheries managementClimate changeBusinessPeriod (music)GeographyExclusive economic zoneOceanographyFishing

Résumé

récupéré en direct d'OpenAlex

This paper traces the history of the pelagic surface longline fishery in Gouyave, Grenada, noting 4 major periods of change from pre-1985 to 2004. Reconstructed from document reviews, newspaper articles, oral history, and key informant interviews 1) the pre-1985 period was the time when the longline was introduced and popularized by the Cubans, 2) the period of institutionalization and technology development (1986-1990) corresponded to the strengthening of institutional arrangements and the initial improvements in technology, 3) the Coastal Fisheries Development Project (CFDP) of 1991-1999 was the period of international donor support and further technology change in longline construction, and finally 4) the 2000-2004 period marked innovation, training and fish quality control for export markets. The main point of the paper is that fisheries management is about the management of change. Fishery managers need to learn to deal, not only with technology change, but also with surprise and variability related to biophysical change (e.g., hurricanes), change in markets, and other external drivers such as international policies. Key considerations for managers to deal successfully with change include: learning from experience, capacity building, and the need to engage cooperatively with fishers and communities, the private sector, and non-governmental organizations.

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,288
Score d'incertitude au seuil0,572

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,005
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,100
Tête enseignante GPT0,284
Écart entre enseignants0,184 · 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'étudeQualitatif
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

Citations2
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGulf and Caribbean ResearchMême sujetCoastal and Marine ManagementTravaux en français237 207