The market and shadow value of informal fish catch: a framework and application to Panama
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
Fisheries catches are known to be widely underreported, and much of their value flows in informal markets. Goods and services that are not directly sold in a market also have a corresponding economic value, here termed ‘shadow value’, which can apply to discarded fish—or those that are consumed but not sold (e.g., subsistence catches). Here, we estimate the monetary value of fisheries catches in Panama that are landed but not reported, or that are discarded at sea; this includes catches from artisanal and industrial fleets, as well as recreational and subsistence fisheries. Based on available data, we estimate that the market and shadow value of unreported catches in Panama in 2010 was around US$92 million, equal to approximately 43% of the total reported landed value. In the case of discarded fish, the shadow value represents the potential but entirely unrealized economic benefit of landing such fish; in the case of unreported landings, unreported market value represents only the first link in the potentially sophisticated informal seafood economy. One must be careful in considering these results for policy. It is possible that, rather than seeking to capture these ‘lost’ benefits, fish that are discarded or unreported should not have been caught at all, for example, if they are juveniles or of threatened species; conversely, unreported subsistence catches are crucial for food security throughout the world. These results help contextualize the scale of unreported fisheries in economic terms, and can inform subsequent policies and strategies to ensure social, ecological, and economic sustainability.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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