MétaCan
Menu
Retour à la cohorte
Enregistrement W3132868599 · doi:10.3390/su13042219

Building Back Sustainably: COVID-19 Impact and Adaptation in Newfoundland and Labrador Fisheries

2021· article· en· W3132868599 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional resilience and development
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSustainabilityFisheryPandemicBusinessQuarantineEuropean unionCoronavirus disease 2019 (COVID-19)GlobeGeographyFishingAdaptation (eye)Environmental resource managementEconomicsInternational tradeEcology

Résumé

récupéré en direct d'OpenAlex

The coronavirus pandemic, which started in late 2019, is one of the devastating crises that has affected human lives and the economies of many countries across the globe. Though economies have been affected, some sectors (such as food and fisheries sectors) are more vulnerable and prone to the deleterious impacts of the COVID-19 pandemic. This paper highlights the various disruptions (safety at workplace, loss of harvest and processing activity, loss of export opportunities and income) faced by the Newfoundland and Labrador fisheries due to several restrictive measures (especially on mobility, social distancing, quarantine, and, in extreme cases, lockdown) to curtail the spread of the virus. Additionally, this paper makes a case that Newfoundland and Labrador fisheries can be managed sustainably during and after the pandemic by suggesting practical recommendations borrowed from two sustainability frameworks (Canadian Fisheries Research Network and the EU Setting the Right Safety Net framework) for managing fisheries in Canada and the European Union.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,267
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,287
Écart entre enseignants0,252 · 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