Valuing invisible catches: Estimating the global contribution by women to small-scale marine capture fisheries production
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The role that women play in fisheries around the world is receiving increasing international attention yet the contributions by women to fisheries catches continues to be overlooked by society, industry and policy makers. Here, we address this lack of visibility with a global estimation of small-scale fisheries catches by women. Our estimates reveal that women participate in small-scale fishing activities in all regions of the world, with approximately 2.1 million (± 86,000) women accounting for roughly 11% (± 4%) of participants in small-scale fishing activities, i.e., catching roughly 2.9 million (± 835,000) tonnes per year of marine fish and invertebrates. The landed value of the catch by women is estimated at USD 5.6 billion (± 1.5 billion), with an economic impact of USD 14.8 billion per year (± 4 billion), which is equivalent to 25.6 billion real 2010 dollars (± 7.2 billion). These catches are mostly taken along the shoreline, on foot, or from small, non-motorized vessels using low-technology, low-emission gears in coastal waters. Catches taken by women are often for home consumption, and thus considered part of the subsistence sub-sector. However, in many contexts, women also sell a portion of their catch, generating income for themselves and their families. These findings underscore the significant role of women as direct producers in small-scale fisheries value chains, making visible contributions by women to food and livelihood security, 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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