Notice bibliographique
Résumé
Abstract ‘Fishermen’ and the gender‐neutral ‘fishers’ are the most common terms used to describe people who fish in the English language. However, there is a considerable debate as to which term is most appropriate. In academic journals, usage of ‘fishers’ for people who fish began in the 1960s and increased over time, until in 2013 and 2014 ‘fishers’ first exceeded usage of ‘fishermen’, despite being labelled ‘archaic’ in the Oxford English Dictionary. In journal searches ‘fishermen’ unambiguously referred to people who fish, but ‘fishers’ also referred to R.A. Fisher's statistical tests (22%), the mammal, Pekania pennanti (5%), and other terms. Journal policies have played a role in the shift to ‘fishers’: e.g. Conservation Biology requires the use of ‘fishers’ while Fishery Bulletin requires ‘fishermen’. Partly as a result, in academia there are disciplinary and geographic variations, with greatest usage of ‘fishers’ in the field of conservation biology and in Australia. Surprisingly, word choice did not differ by the gender of the lead author. Many other languages also have gender‐neutral terms for people who fish (e.g. Austronesian and Turkic languages), yet the word is still assumed to refer to men. While the gender‐neutral term ‘fisher’ is more inclusive it is far from universally accepted, particularly by women and men in the North American fishing industry. The current shift towards the more inclusive term ‘fishers’ highlights the increasing disciplinary diversity within fisheries science, particularly in terms of gender.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».