Contribution of marine fisheries to worldwide employment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Marine fisheries contribute to the global economy, from the catching of fish through to the provision of support services for the fishing industry. General lack of data and uncertainty about the level of employment in marine fisheries can lead to underestimation of fishing effort and hence over‐exploited fisheries, or result in inaccurate projections of economic and societal costs and benefits. To address this gap, a database of marine fisheries employment for 144 coastal nations was compiled. Gaps in employment data that emerged were filled using a Monte Carlo approach to estimate the number of direct and indirect fisheries jobs. We focused on estimating jobs in the small‐scale fishing sector. We characterized small‐scale fishing as (i) primarily geared towards household consumption or sale at the local level; (ii) conducted at a low level of economic activity; (iii) minimally mechanized; (iv) conducted within inshore areas; (v) minimally managed; and/or (vi) undertaken for cultural or ceremonial purposes. In total, we estimated that 260 ± 6 million people are involved in global marine fisheries, encompassing full‐time and part‐time jobs in the direct and indirect sectors, with 22 ± 0.45 million of those being small‐scale fishers. This is equivalent to 203 ± 34 million full‐time equivalent jobs. Study results can be used to improve management decision making and highlight the need to improve monitoring and reporting of the number of people employed in marine fisheries globally.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle