MétaCan
Menu
Retour à la cohorte
Enregistrement W2972970241 · doi:10.1080/00318884.2019.1640996

Development of seaweed cultivation in Latin America: current trends and future prospects

2019· article· en· W2972970241 sur OpenAlexaboutno aff
Alejandro Espi Alemañ, Daniel Robledo, Leila Hayashi

Notice bibliographique

RevuePhycologia · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAquacultureTemperate climateAgricultureLivelihoodDiversification (marketing strategy)TropicsBiologyGeographyFisheryAgroforestryEcologyBusinessFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Seaweed farming has now expanded across several continents from South East Asia to South America, Northern Europe, Canada and East Africa, contributing to global food security, supporting rural livelihoods, alleviating poverty and improving the health of oceans. Latin America (LA) covers a vast geographical area, which includes four different oceanic domains (Temperate Northern Pacific, Tropical Eastern Pacific, Temperate South America and Tropical Atlantic) and encompasses many types of coastal ecosystems with a wide range of seaweed species. LA has major potential for the development of seaweed farming activities; however, almost all the production is based on the harvesting of natural beds. This review describes the development of and prospects for the aquaculture seaweed industry in LA. The status of the seaweed aquaculture sector for green, brown and red seaweed and the main industry challenges are addressed. Regulation in the primary countries is also discussed. The expansion of the aquaculture industry in this region can be improved with new strains and farming methodologies, diversification of species, market expansion and an increase in domestic demand.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,544
Score d'incertitude au seuil0,889

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,221
Écart entre enseignants0,207 · 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.

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

Citations84
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhycologiaMême sujetMarine and coastal plant biologyTravaux en français237 207