MétaCan
Menu
Retour à la cohorte
Enregistrement W2937282550 · doi:10.1080/08920753.2019.1596677

A Network Perspective on Spatially Clustered Territorial Use Rights for Fishers (TURFs) in Vietnam

2019· article· en· W2937282550 sur OpenAlexaff
Mark Andrachuk, Derek Armitage, Hoàng Dũng Hà, Nam Van Le

Notice bibliographique

RevueCoastal Management · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesHague University of Applied Sciences
Mots-clésCorporate governanceDecentralizationBusinessGovernment (linguistics)Perspective (graphical)Fisheries managementEnvironmental resource managementFisheryPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Co-managed territorial use rights for fishers (TURFs) have shown promise for small-scale fisheries management. The territorial use rights help clarify access and ownership rights, while co-management arrangements create formal relationships between fishers and government. However, there is limited research into the governance processes that influence the interactions and complementarities of TURF zones that are clustered together. In a network of 16 co-managed TURFs in the Cau Hai lagoon, Vietnam, we analyzed management decentralization and the relationship between spatial and networked (social) proximity. Our findings draw attention to several broad lessons for co-managed TURFs: (1) TURFs may operate as isolated silos if co-management agreements do not address relationships among TURF leaders; (2) spatial proximity does not automatically translate to social proximity; and (3) leaders of individuals TURFs need capacity for communication and coordination with other local fisheries leaders. These findings highlight the importance of consideration to the ways that TURF design and implementation influences the relationships and collaboration between fishers, government officials, and other actors.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoastal ManagementMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207