MétaCan
Menu
Retour à la cohorte
Enregistrement W3013528058 · doi:10.1111/faf.12458

Tuna trade‐offs: Balancing profit and social benefits in one of the world’s largest fisheries

2020· article· en· W3013528058 sur OpenAlexafffund
Ciara Willis, Megan Bailey

Notice bibliographique

RevueFish and Fisheries · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMitacs
Mots-clésTunaSubsidyFishingProfit (economics)FisheryBusinessFisheries managementSustainabilityEnvironmental economicsNatural resource economicsEnvironmental resource managementEconomicsEcologyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The western and central Pacific Ocean (WCPO) tuna fishery is one of the world's largest in terms of both catch volume and value, providing over half of global tuna catch with a landed value of US $5.84 billion in 2017. Fishing is conducted by both large‐ and small‐scale fleets, with fisheries subsidies disproportionately benefiting the former. The primary objective of this study was to determine the optimal distribution of effort between two large‐scale fisheries (LSF) and two small‐scale fisheries (SSF) in the WCPO under three scenarios: to maximize industry benefits, minimize subsidization or maximize food supply. The objective was approached using a bioeconomic game‐theoretic model. Results indicate opposite distributions of effort to maximize industry benefits (all fishing conducted by LSF) or to minimize subsidization (all fishing by SSF), with more balanced effort distributions to maximize food supply. Total value of capacity‐enhancing subsidies in optimal scenarios ranged from $1.4 billion when industry benefits were maximized to $0.2 billion when subsidization was minimized. Investigation of suboptimal scenarios reveals the flexibility of these results, with wide ranges in outputted state variables for a given goal. Difficulty was encountered in modelling the SSF sector due to data deficiencies, a well‐recognized issue in managing SSF. Investments towards “data equity” to help ensure that management decision‐making can properly account for the SSF sector would be useful. This study has implications for the objectives we set in fisheries management, and the potential trade‐offs, often value‐driven in nature, that we must make explicit in that management.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,028
Tête enseignante GPT0,212
Écart entre enseignants0,184 · 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

Citations15
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetMarine and fisheries researchTravaux en français237 207