MétaCan
Menu
Retour à la cohorte
Enregistrement W2184293507 · doi:10.24043/isj.246

Mariculture and Marine Spatial Planning: Integrating Local Ecological Knowledge at Kaledupa Island, Indonesia

2010· article· en· W2184293507 sur OpenAlexaffvenue
Brian W. Szuster, Hatim Albasri

Notice bibliographique

RevueIsland Studies Journal · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésMaricultureGeographyFisheryResource (disambiguation)Environmental resource managementEnvironmental planningMarine protected areaEcologyAquacultureEnvironmental scienceFish <Actinopterygii>HabitatBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Economic development on Indonesia’s numerous small islands faces a number of challenges stemming from the islands’ isolation and resource limitations. Mariculture has been promoted as a viable development strategy in these areas, and this research assesses a marine spatial planning approach to support net-cage grouper mariculture development in waters surrounding Kaledupa Island located southeast of Sulawesi. Data collection focused on 15 biophysical capability parameters, plus an additional 7 suitability parameters assessed through interviews with villagers and local experts. Capability analysis identified 4,511 hectares capable of sustaining grouper mariculture within the 8,582 hectares study area. Suitability analysis identified 2,667 suitable hectares based on villager opinions and 4,083 suitable hectares based on local expert opinions. Reliance on villager opinions and resolution of fragmentation issues reduced the final area deemed suitable to 2,423 hectares. This study highlights the importance of utilizing local ecological knowledge in marine spatial planning, and emphasizes the need for follow-up studies, monitoring and enforcement of environmental regulations to ensure that negative impacts do not emerge in island communities as a result of mariculture development.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,999

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,261 · 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.

Devis d'étudeObservationnel
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

Citations14
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIsland Studies JournalMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207