MétaCan
Menu
Retour à la cohorte
Enregistrement W3167660766 · doi:10.1163/9789004434950_010

Settling Disputes in Regional Fisheries Management Organisations: Dealing with Objections

2020· book-chapter· en· W3167660766 sur OpenAlexaboutno aff
Rosemary Rayfuse

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueInternational Maritime Law Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJurisdictionFisheries managementFisheries lawSustainabilityBusinessFisheryWork (physics)Political scienceConventionUnited Nations Convention on the Law of the SeaSettlement (finance)Dispute resolutionEnvironmental planningEnvironmental resource managementLawGeographyEconomicsEngineeringFishingEcologyFinance

Résumé

récupéré en direct d'OpenAlex

The essential purpose of Regional Fisheries Management Organisations is to provide an effective forum within which states can agree on fisheries conservation and management measures. Discussions on these measures are at the very heart of the work of rfmo s and can raise complex issues giving rise to disputes that may threaten to undermine the objectives of an rfmo, particularly where opt-out or objection procedures are invoked by parties seeking to avoid application of the measures. Jurisdictional hurdles to the resolution of disputes among rfmo members under Part xv of the 1982 Law of the Sea Convention, as seen in the Southern Bluefin Tuna, and Fisheries Jurisdiction (Spain v Canada) cases, are increasingly being overcome by the adoption by rfmo s of more comprehensive dispute settlement provisions which effectively incorporate Part xv requirements into their mandates. In addition, new and expeditious ad-hoc panel procedures are emerging in rfmo s to deal with the issues of opt-outs and objections. This chapter examines this emerging practice and assesses the efficacy of these procedures both in providing guidance to the states concerned and in strengthening the ability of rfmo s to conserve and sustainably manage the fish stocks under their control.

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)0,009
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,008
Communication savante0,0130,008
Science ouverte0,0020,007
Intégrité de la recherche0,0070,006
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,013
Tête enseignante GPT0,198
Écart entre enseignants0,185 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInternational Maritime Law IssuesTravaux en français237 207