MétaCan
Menu
Retour à la cohorte
Enregistrement W2887634044 · doi:10.1108/maem-06-2018-001

Managing conflict in aquaculture

2018· article· en· W2887634044 sur OpenAlexafffund
Keith W. Hipel, Liping Fang, Yi Xiao

Notice bibliographique

RevueMarine Economics and Management · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensToronto Metropolitan UniversityCentre for International Governance InnovationBalsillie School of International AffairsUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAquacultureBusinessConflict resolutionEnvironmental planningEnvironmental resource managementFish <Actinopterygii>FisheryEconomicsPolitical scienceGeographyBiologyLaw

Résumé

récupéré en direct d'OpenAlex

Purpose - A flexible decision technology called the Graph Model for Conflict Resolution (GMCR) is applied to a generic aquaculture conflict to illustrate how GMCR can be used to systematically investigate a wide range of conflicts arising in aquaculture in order to obtain meaningful strategic insights and thereby assist in making informed decisions in aquaculture development. To emphasize the importance of being able to resolve aquaculture controversies, a review of the global economic impacts of the aquaculture industry is provided and the key stakeholders who may be involved in aquaculture disputes along with their legitimate interests are identified. The paper aims to discuss these issues. Design/methodology/approach - The GMCR methodology comprises two main stages: modeling and analysis. During the modeling stage, key decision makers (DMs), the options under each DM's control and each DM's relative preferences over feasible states are identified based on a thorough background investigation to a given dispute. Within the analysis stage, solution concepts that describe key characteristics of human behavior under conflict are utilized to determine resolutions that could occur when DMs interact under pure competition and cooperatively. Interpretation of the equilibrium results provides meaningful strategic insights for better understanding which strategies a given DM could select as the conflict evolves over time. Findings - The results demonstrate how difficult it can be to balance the interests of different key stakeholders in aquaculture development. In all possible resolutions identified in the generic aquaculture conflict, at least two DMs among First Nations, environmental group and residents (Res) would object to the expansion of aquaculture activities due to the assumption that the government would choose to appease one stakeholder at a time. They also reflect the need for a useful tool box of decision technologies for addressing the vast range of challenges that could arise in the important area of marine economics and management. Originality/value - The GMCR methodology possesses several unique and key original capabilities in comparison to other conflict analysis models. First, it only requires limited information to calibrate a conflict model. Second, it contains a number of solution concepts that describe how a DM could think and behave under conflict. Third, it furnishes a range of informative output, follow-up analyses and advice for use in real-life decision support. Finally, all of the foregoing advantages of GMCR can be contained within decision support systems that permit practitioners and researchers to readily apply the GMCR methodology to real-life conflicts.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,005
Communication savante0,0060,005
Science ouverte0,0030,007
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,012
Tête enseignante GPT0,252
Écart entre enseignants0,240 · 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'étudeThéorique ou conceptuel
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

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMarine Economics and ManagementMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207