Boom and bust: Soft‐shell mud crab farming in south‐east coastal Bangladesh
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.
Notice bibliographique
Résumé
Soft-shell mud crab (Scylla olivacea) farming was introduced to the coastal floodplains of Cox's Bazar, a south-east region of Bangladesh, in 2011. These farming practices then spread among many farmers within the region, and gradually increased in the southwest coastal floodplains of the Satkhira district. While farming in the Satkhira region has experienced relatively smooth growth, the mud crab farms in Cox's Bazar have gone through big ups and downs. Indeed, the number of these farms in the south-east was found to have gradually decreased by 80% in 4 years (2014–2017). This study looks at historical perspectives and thoroughly reviews the state of soft-shell mud crab farming practices. In addition to key stakeholder interviews, data were collected from all the existing and collapsed farms of this type in the Cox's Bazar region. It is revealed that social coherence was the main factor that enabled the ‘boom’ periods due to farmers sharing methods and technologies among their communities. In contrast, poor linkage to global value chains, lack of product diversification, shortage of seed supply due to an inadequate supply of trash fish for feeding, prolonged banning of sea fishing, the poor bargaining capacity of the stakeholders and small-scale farmers lacking direct access to export markets were the key factors for the ‘bust’ periods, even when global demand was increasing daily. A balance between local and global markets, value-added diversified product development and adoption of advanced technologies in the crab farming industry are recommended for the revival and sustenance of this emerging sector.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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