MétaCan
Menu
Retour à la cohorte
Enregistrement W2800578035 · doi:10.1111/faf.12285

Empowering high seas governance with satellite vessel tracking data

2018· article· en· W2800578035 sur OpenAlexaff
Daniel C. Dunn, Caroline Jablonicky, Guillermo Ortuño Crespo, Douglas J. McCauley, David A. Kroodsma, Kristina Boerder, Kristina M. Gjerde, Patrick N. Halpin

Notice bibliographique

RevueFish and Fisheries · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie University
Organismes subventionnairesStrong
Mots-clésInternational watersBusinessTreatySustainabilityOverfishingCorporate governanceJurisdictionEnvironmental resource managementMarine conservationMarine protected areaUnited Nations Convention on the Law of the SeaFisheryFishingInternational lawPolitical scienceFinanceEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Between 1950 and 1989, marine fisheries catch in the open‐ocean and deep‐sea beyond 200 nautical miles from shore increased by a factor of more than 10. While high seas catches have since plateaued, fishing effort continues to increase linearly. The combination of increasing effort and illegal, unreported and unregulated (IUU) fishing has led to overfishing of target stocks and declines in biodiversity. To improve management, there have been numerous calls to increase monitoring, control and surveillance (MCS). However, MCS has been unevenly implemented, undermining efforts to sustainably use high seas and straddling stocks and protect associated species and ecosystems. The United Nations General Assembly is currently negotiating a new international treaty for the conservation and sustainable use of biodiversity beyond national jurisdiction (BBNJ). The new treaty offers an excellent opportunity to address discrepancies in how MCS is applied across regional fisheries management organizations (RFMOs). This paper identifies ways that automatic identification system (AIS) data can inform MCS on the high seas and thereby enhance conservation and management of biodiversity beyond national jurisdictions. AIS data can be used to (i) identify gaps in governance to underpin the importance of a holistic scope for the new agreement; (ii) monitor area‐based management tools; and (iii) increase the capacity of countries and RFMOs to manage via the technology transfer. Any new BBNJ treaty should emphasize MCS and the role of electronic monitoring including the use of AIS data, as well as government–industry–civil society partnerships to ensure critically important technology transfer and capacity building.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,025
Tête enseignante GPT0,256
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations126
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetMarine and fisheries researchTravaux en français237 207