MétaCan
Menu
Retour à la cohorte
Enregistrement W3016235953 · doi:10.1016/j.marpol.2020.103970

Changing the narrative on fisheries subsidies reform: Enabling transitions to achieve SDG 14.6 and beyond

2020· article· en· W3016235953 sur OpenAlexaff
Andrés M. Cisneros‐Montemayor, Yoshitaka Ota, Megan Bailey, Christina C. Hicks, Ahmed Khan, Anthony Rogers, U. Rashid Sumaila, John Virdin, Kevin K. He

Notice bibliographique

RevueMarine Policy · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensFisheries and Oceans CanadaDalhousie UniversityUniversity of British Columbia
Organismes subventionnairesNippon FoundationUniversity of WashingtonPew Charitable Trusts
Mots-clésSubsidyEquity (law)LivelihoodNegotiationTransparency (behavior)BusinessSustainable developmentHarmCivil societyFisheries managementFisheryEconomicsPolitical sciencePoliticsEcologyAgricultureFishingMarket economy

Résumé

récupéré en direct d'OpenAlex

The World Trade Organization (WTO) is in the final stages of negotiating an agreement to prohibit harmful fisheries subsidies, thereby achieving UN Sustainable Development Goal (SDG) 14.6. An effective agreement should be viewed as an opportunity for nations to proactively transition towards sustainable and equitable fisheries and pave the path for other SDGs. Supporting fishers does not require harmful subsidies, and we provide evidence-based options for reform that highlight equity needs while reducing environmental harm. Subsidy reforms need clear goals, co-design, transparency, and fair implementation. An agreement on SDG 14.6 could be a turning point for the oceans and for the well-being of those that depend on the oceans for livelihoods and nutrition. Responsible seafood production will require international cooperation not only at WTO, but among governments, fisher organizations, civil society, and the wider public.

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)0,017
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,013
Communication savante0,0160,022
Science ouverte0,0020,010
Intégrité de la recherche0,0190,023
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,055
Tête enseignante GPT0,224
Écart entre enseignants0,169 · 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'étudeThéorique ou conceptuel
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 revueMarine PolicyMême sujetGlobal trade and economicsTravaux en français237 207