MétaCan
Menu
Retour à la cohorte
Enregistrement W2588468583 · doi:10.1111/faf.12212

Impacts of climate change for coastal fishers and implications for fisheries

2017· article· en· W2588468583 sur OpenAlexafffund
Valentina Savo, Cedar Morton, Dana Lepofsky

Notice bibliographique

RevueFish and Fisheries · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensTula FoundationSimon Fraser University
Organismes subventionnairesHakai Institute
Mots-clésClimate changeGeographyFishingSubsistence agricultureDiversification (marketing strategy)FisheryLivelihoodPsychological resilienceFisheries managementEnvironmental resource managementEcologyEnvironmental scienceAgricultureBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Coastal Social–Ecological Systems ( SES s) are subject to several stresses, including climate change, that challenge fisheries and natural resource management. Fishers are front‐line observers of changes occurring both on the coast and in the sea and are among the first people to be affected by these changes. In this study, we perform a meta‐analysis of observations and adaptations to climate change by subsistence‐oriented coastal fishers extracted from a global review of peer‐reviewed and grey literature. Fishers' observations compiled from across the globe indicate increased temperatures and changes in weather patterns, as well as coastal erosion, sea level rise and shifts in species range and behaviours. Coastal areas offer a wide array of resources for diversifying livelihoods, but climate change is reducing these options. Specifically, climate change could reduce the resilience of fishers' communities, limiting options for diversification or forcing fishers to abandon their houses or villages.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,700

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 technologies0,0010,000
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 Opus0,036
Tête enseignante GPT0,255
Écart entre enseignants0,219 · 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'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

Citations75
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207