Survival of the Richest, not the Fittest: How attempts to improve governance impact African small-scale marine fisheries
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
The sustainable use of fisheries resources is a priority of the African Union in developing the Blue Economy (BE). Growing global demand for seafood has attracted diverse actors to African waters, including Distant Water Fishing Nations (DWFNs) fleets. Complex fisheries governance challenges, unsustainable rates of fishing and rising fisheries-related crimes have ensued. To reverse these impacts, some African states are deploying various fisheries governance mechanisms. Drawing on extensive expert experiences, the review of literature, fisheries databases, international and regional agency reports, NGO and government reports and case studies from West and East Africa, we demonstrate two critical findings. First, fisheries governance mechanisms in Africa act largely to constrain small-scale fisheries (SSF) while failing to contain the industrial fisheries sector, resulting in the marginalisation of the SSF. Secondly, despite a higher incidence of Illegal, Unreported and Unregulated (IUU) fishing in industrial fisheries than the SSF, fisheries governance mechanisms continue to advance the 'Survival of the Richest' – the industrial sector, to the detriment of the 'Fittest' – the SSF. The SSF supports millions of jobs and is better adapted to meet the continents' nutrition and socio-economic security. For the fisheries sector to contribute to the sustainable development of Africans, states must redirect governance towards regulating the industrial sector, emphasising equitable access for the SSF whilst prioritising ecological sustainability.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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