MétaCan
Menu
Retour à la cohorte
Enregistrement W3001398707 · doi:10.1139/facets-2019-0010

Exploring community-based marine aquaculture as a coastal resource management opportunity in Nova Scotia, Canada

2020· article· en· W3001398707 sur OpenAlexaffvenueabout
Jessica Bradford, Ramón Filgueira, Megan Bailey

Notice bibliographique

RevueFACETS · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAquacultureContext (archaeology)LivelihoodBusinessEnvironmental planningStakeholderNova scotiaEcosystem-based managementEnvironmental resource managementCorporate governanceResource (disambiguation)SustainabilityFisheryGeographyEcosystemPolitical scienceEcologyAgricultureFish <Actinopterygii>EconomicsPublic relations

Résumé

récupéré en direct d'OpenAlex

Aquaculture is one of the world’s fastest growing food production sectors and presents an opportunity for rural community development that can support coastal livelihoods. An ecosystem approach to aquaculture (EAA) has been recommended to facilitate socially and environmentally sustainable development, yet there remains a need to better involve people in planning and operational aspects. Community-based management may help to implement principles of the EAA; however, context-specific research is needed to understand its potential application and suitability. This research explores opportunities for community-based marine aquaculture (CBMA) for nonfinfish in the context of Nova Scotia, Canada, through a series of stakeholder interviews. Results suggest that all stakeholder groups interviewed were positive about the potential for CBMA to support sustainable aquaculture growth in the province; however, key questions around operationalizing CBMA remain. The aquaculture industry is on a continual path for growth worldwide and, therefore, it becomes increasingly important to proactively examine strategies such as CBMA that can help to facilitate EAA in a way that genuinely puts people at the centre of aquaculture development and governance.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,349

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,003
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,087
Tête enseignante GPT0,250
Écart entre enseignants0,163 · 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'étudeQualitatif
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

Citations12
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207