Ethical reflections on the COVID-19 pandemic in the global seafood industry: navigating diverse scales and contexts of marine values and identities
Notice bibliographique
Résumé
Abstract The global crisis instantiated by the COVID-19 pandemic opens a unique governance window to transform the sustainability, resilience, and ethics of the global seafood industry. Simultaneously crippling public health, civil liberties, and national economies, the global pandemic has exposed the diverse values and identities of actors upon which global food systems pivot, as well as their interconnectivity with other economic sectors and spheres of human activity. In the wake of COVID-19, ethics offers a timely conceptual reframing and methodological approach to navigate these diverse values and identities and to reconcile their ensuing policy trade-offs and conflicts. Values and identities denote complex concepts and realities, characterized by plurality, fluidity and dynamics, ambiguity, and implicitness, which often hamper responsive policy-setting and effective governance. Rather than adopt a static characterization of specific value or identity types, I introduce a novel hierarchical conceptualization of values and identities made salient by scale and context. I illustrate how salient values and identities emerge at multiple scales through three seafood COVID-19 contextual examples in India, Canada, and New Zealand, where diverse seafood actors interact within local, domestic (regional/national), and global seafood value chains, respectively. These examples highlight the differential values and identities, and hence differential vulnerabilities, resilience, and impacts on seafood actors with the COVID-19 pandemic, which necessitate differentiated policy interventions if they are to be responsive to those affected. An ethical governance framework that integrates diverse marine values and identities, buttressed by concrete deliberation and decision-support protocols and tools, can transform the modus operandi of global seafood systems toward both sustainable and ethical development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,086 |
| Communication savante | 0,016 | 0,007 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».