MétaCan
Menu
Retour à la cohorte
Enregistrement W3008273310 · doi:10.1080/08920753.2020.1728206

Is Demonstrating the Concept of Multi-Use Too Soon for the North Sea? Barriers and Opportunities from a Stakeholder Perspective

2020· article· en· W3008273310 sur OpenAlexaff
Vincent Onyango, Eva Papaioannou, Maximilian Felix Schupp, Jacek Zaucha, Joanna Przedzymirska, Ivana Lukić, Mario Caña-Varona, Angela Schultz-Zehden, Ioannis Giannelos, Rianne Läkamp, Ilse van de Velde

Notice bibliographique

RevueCoastal Management · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensInternational Submarine Engineering (Canada)
Organismes subventionnairesHorizon 2020 Framework Programme
Mots-clésStakeholderLegislationRealmPerspective (graphical)BusinessTransaction costStakeholder engagementEnvironmental resource managementEnvironmental planningProcess managementComputer sciencePublic relationsPolitical scienceEconomicsEnvironmental scienceFinance

Résumé

récupéré en direct d'OpenAlex

Multi-use (MU) has been promoted as a viable approach to the effective planning and mitigation of user-conflicts in the marine realm. Despite several research and pilot projects demonstrating the approach’s feasibility and benefits, commercially viable MU applications remain patchy and few. Further, MU is neither systematically applied nor purposively planned for even in the imminent event of incompatible and conflicting use of marine space. This paper seeks to identify barriers and opportunities for mainstreaming MU based on desktop study and iterative stakeholder consultation. The findings reveal that the MU concept was frequently framed as ‘co-location’ or ‘co-existence’ and aimed toward mitigating conflict among users. Practice was ahead of theory with little attention to synergistic and efficiency aspects. Barriers for MU application include shortcomings in legislation, sectoral thinking, and burdensome administrative procedures. The main opportunity lies in creating a conducive policy environment where MU risks and transaction costs become low and competitive, respectively. Solutions at the sea basin and national level, upon which further MU application can be anchored, are proposed.

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)0,029
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,029
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,029
Communication savante0,0120,028
Science ouverte0,0020,015
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,095
Tête enseignante GPT0,241
Écart entre enseignants0,146 · 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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoastal ManagementMême sujetCoastal and Marine ManagementTravaux en français237 207