MétaCan
Menu
Retour à la cohorte
Enregistrement W2141149792 · doi:10.1079/9780851996332.0087

Ecological geography as a framework for a transition toward responsible fishing.

2003· book-chapter· en· W2141149792 sur OpenAlexaff
Daniel Pauly, Reg Watson, Villy Christensen

Notice bibliographique

RevueCABI Publishing eBooks · 2003
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFishingFisheryFisheries managementGeographyEnvironmental resource managementSustainabilityEcologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Meeting the widely expressed requirement that fisheries should somehow be managed on an 'ecosystem basis' implies that fisheries-relevant ecological processes, and the fisheries themselves, need to be documented in the form of maps. This allows recovery, in intuitive fashion, of at least some of the many dimensions of the complex ecosystems in which the fisheries are embedded. The implied transition, in fisheries science, from bivariate time series, to maps as major heuristic devices has a number of implications - some obvious, some less so - of which a number are here discussed and illustrated. Among the issues covered are: (i) the requirement for a consensus taxonomy of large marine ecosystems; (ii) the need to construct fisheries catch maps in the absence of positive records of what was caught where; (iii) the proper identification of one's audience; and (iv) the mapping of marine protected areas and reserves. The seriousness of the fisheries crisis is emphasized, and the case is made that fisheries, if ever they are going to achieve some measure of sustainability - however defined - ultimately will have to be limited not only through the amount of effort they can effectively deploy, but also limited in space, leading to a change to the defaults under which fisheries operate, currently set such that all aquatic wildlife can be exploited, if under some restrictions.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,009
Communication savante0,0040,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,035
Tête enseignante GPT0,258
Écart entre enseignants0,223 · 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'étudeThéorique ou conceptuel
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

Citations11
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCABI Publishing eBooksMême sujetMarine and fisheries researchTravaux en français237 207