MétaCan
Menu
Retour à la cohorte
Enregistrement W2141983421 · doi:10.1017/s106828050000575x

Socioeconomics of Individual Transferable Quotas and Community-Based Fishery Management

2004· article· en· W2141983421 sur OpenAlexaff
Parzival Copes, Anthony Charles

Notice bibliographique

RevueAgricultural and Resource Economics Review · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensSaint Mary's UniversitySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésFisheries managementEnforcementBusinessSustainabilitySocioeconomic statusGovernment (linguistics)FisheryEnvironmental resource managementFlexibility (engineering)EconomicsNatural resource economicsPublic economicsEcologyFishingPopulation

Résumé

récupéré en direct d'OpenAlex

In many fisheries around the world, the failures of centralized, top-down management have produced a shift toward co-management —collaboration and sharing of decision making between government and stakeholders. This trend has led to a major debate between two very different co-management approaches— community-based fishery management and market-based individual transferable quota management. This paper examines the debate over the relative merits of these models and undertakes a socioeconomic analysis of the two approaches. The paper includes (1) an analysis of differences in the structure, philosophical nature, and underlying value systems of each, including a discussion of their treatment of property rights; (2) a socioeconomic evaluation of the impacts of each system on boat owners, fishers, crew members, other fishery participants, and coastal communities, as well as the distribution of benefits and costs among fishery participants; and (3) examination of indirect economic effects that can occur through impacts on conservation and fishery sustainability. The latter relate to ( a ) the conservation ethic, ( b ) the flexibility of management, ( c ) the avoidance of waste, and ( d ) the efficiency of enforcement. The paper emphasizes the need for a broader approach to analyzing fishery management options, one that recognizes and properly assesses the diversity of choices, and that takes into account the interaction of the fishery with broader community and regional realities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,923
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,212
Écart entre enseignants0,194 · 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 tête enseignante, 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

Citations116
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultural and Resource Economics ReviewMême sujetMarine and fisheries researchTravaux en français237 207