MétaCan
Menu
Retour à la cohorte
Enregistrement W2165968461 · doi:10.1186/s40152-014-0013-6

Institutions for managing common-pool resources: the case of community-based shrimp aquaculture in northwestern Sri Lanka

2014· article· en· W2165968461 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMAST. Maritime studies/Maritime studies · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversity of KelaniyaNorthwestern University
Mots-clésShrimpAquacultureShrimp farmingBusinessGovernment (linguistics)FisheryScale (ratio)AgriculturePrivate sectorEnvironmental resource managementGeographyEcologyEconomic growthEconomicsFish <Actinopterygii>Biology

Résumé

récupéré en direct d'OpenAlex

Large-scale shrimp aquaculture can have major social and environmental impacts. Can community-based approaches be used instead? We examined three coastal community-based shrimp aquaculture operations in northwestern Sri Lanka using a case study approach. These shrimp farms were individually owned by small producers and managed under community-level rules. The system was characterized by three layers of institutions: community-level shrimp farmers’ associations; zone-level associations; and a national-level shrimp farming sector association. The national level was represented by a joint body of government and sector association. We evaluated the effectiveness of this institutional structure especially with regard to the management of shrimp disease that can spread through the use of a common water body. Lower operational costs make them a highly attractive alternative to large-scale aquaculture. In many ways, private shrimp aquaculture ownership with community-level institutions, and government supervision and coordination seem to work well.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,739
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,084
Tête enseignante GPT0,306
Écart entre enseignants0,222 · 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