MétaCan
Menu
Retour à la cohorte
Enregistrement W2914613213 · doi:10.1093/acrefore/9780199389414.013.475

How to Make Individual Transferable Quotas Work Economically, Socially, and Environmentally

2018· reference-entry· en· W2914613213 sur OpenAlexaff
Rashid Sumaila

Notice bibliographique

RevueOxford Research Encyclopedia of Environmental Science · 2018
Typereference-entry
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOverfishingSustainabilityBusinessFisheries managementWork (physics)Stock (firearms)FisheryNatural resource economicsFish stockFish <Actinopterygii>EconomicsPublic economicsFishingEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The economic tool of individual transferable quotas (ITQs) gives their owners exclusive and transferable rights to catch a given portion of the total allowable catch (TAC) of a given fish stock. Authorities establish TACs and then divide them among individual fishers or firms in the form of individual catch quotas, usually a percentage of the TAC. ITQs are transferable through selling and buying in an open market. The main arguments by proponents of ITQs is that they eliminate the need to “race for the fish” and thus increase economic returns while eliminating overcapacity and overfishing. In general, fisheries’ management objectives consist of ecological (sustainable use of fish stocks), economic (no economic waste), and social (mainly the equitable distribution of fisheries benefits) issues. There is evidence to show that ITQs do indeed reduce economic waste and increase profits for those remaining in fisheries. However, they do not perform well in terms of sustainability or socially. A proposal that integrates ITQs in a comprehensive and effective ecosystem-based fisheries management system that is more likely to perform much better than ITQs with respect to ecological, economic, and social objectives is presented in this article.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,011
Communication savante0,0010,001
Science ouverte0,0030,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,000

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 Opus0,029
Tête enseignante GPT0,275
Écart entre enseignants0,246 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford Research Encyclopedia of Environmental ScienceMême sujetMarine and fisheries researchTravaux en français237 207