MétaCan
Menu
Retour à la cohorte
Enregistrement W3006088137 · doi:10.1111/conl.12708

Shark fin trade bans and sustainable shark fisheries

2020· article· en· W3006088137 sur OpenAlexaff
Francesco Ferretti, David Jacoby, Mariah O. Pfleger, Timothy D. White, Felix Dent, Fiorenza Micheli, Andrew A. Rosenberg, Larry B. Crowder, Barbara A. Block

Notice bibliographique

RevueConservation Letters · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIchthyology and Marine Biology
Établissements canadiensNova Scotia Department of Agriculture
Organismes subventionnairesFondation Bertarelli
Mots-clésFisheries managementFisheryBusinessFinFishingBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The U.S. Congress is currently discussing the Shark Fin Sales Elimination Act to eliminate shark fin trade at the federal level. This bill was introduced in 2017 and has been proceeding very slowly in Congress because of mixed reviews from the scientific community. Debate exists on whether shark conservation and management are effectively addressed with tightened trade controls for imported shark products or blanket bans that outright end U.S. participation in the shark fin trade. Here we contribute to this debate with a review and analysis of economic, nutritional, ethical, and legal arguments, as well as of the shark fisheries status and shark fin trade. We show that the United States has a limited commercial interest in shark fisheries and contributes to the shark fin trade mainly as a facilitator. A fin trade ban has few tangible economic drawbacks but would have a considerable conservation impact. While making all shark fisheries sustainable is the ultimate goal, in practice this objective is far from achievable everywhere in the world. Conversely, banning shark fin trade is an interim measure that nations like the United States can take with negligible cost and can truly impact the biggest driver of shark exploitation globally.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 GPT0,189
Écart entre enseignants0,177 · 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

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation LettersMême sujetIchthyology and Marine BiologyTravaux en français237 207