MétaCan
Menu
Retour à la cohorte
Enregistrement W3155866280 · doi:10.17762/turcomat.v12i2.1774

A Comparative Social Study among Artisanal Subsistence Marine Fishers of Sundarbans, Paradeep and Chennai

2021· article· en· W3155866280 sur OpenAlexaff
Pradip Roy

Notice bibliographique

RevueTürk bilgisayar ve matematik eğitimi dergisi · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in Asia
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesnon disponible
Mots-clésSubsistence agricultureFishingGeographyFisherySocioeconomicsArtisanal fishingLivelihoodAgricultureEconomics

Résumé

récupéré en direct d'OpenAlex

This paper does a comparative study of the socio-economic condition of the artisanal subsistence marine fishers of the three locations of India namely Sundarbans, Chennai and Paradeep. The small-scale artisanal marine fishers of Chandrapur, Gobindapur, Kalinagar, Ganeshpur villages of Kakdwip Subdivision, Sundarbans along with that of Badakalikhada, Bijaychandrapur, Light House and Kharinali, of Paradeep and Nochi Nagar, Light House, Foreshore Estate, Mandaveli, Mylapore of Chennai were asked the standardised questions. Sundarbans, Paradeep and Chennai have three distinct socio-economic conditions prevailing due to the privatisation of the fishery industry and the distinct difference in income.The purpose of this study is to find the socio-economic condition of the artisanal marine fishers of the Sundarbans, Paradeep and Chennai. A descriptive rapid sampling method has been followed, where the fishers have been questioned about their respective socio-economic status. The paper studies the income difference and the effect of the usages of motorised boats in two three-year slots 2015-2018 and 2018-2020 affluence due to more exposure to the technical changes. The study found that the Chennai fishers were more adept to take the advantage of the new technologies of marine fishing thus far more economical stable, the Paradeep fishers were second in economic stability due to their comparative adaptability. The Sundarbans fishers were least adept with the technological changes in marine fishing, consequently they are least affluent.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,053
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,041
Tête enseignante GPT0,321
Écart entre enseignants0,280 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTürk bilgisayar ve matematik eğitimi dergisiMême sujetSocioeconomic Development in AsiaTravaux en français237 207