A comparative study of small-scale fishery supply chains’ vulnerability and resilience to COVID-19
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 COVID-19 pandemic and response has significantly disrupted fishery supply chains, creating shortages of essential foods and constraining livelihoods globally. Small-scale fisheries (SSFs) are responding to the pandemic in a variety of ways. Together, disruptions from and responses to COVID-19 illuminate existing vulnerabilities in the fish distribution paradigm and possible means of reducing system and actor sensitivity and exposure and increasing adaptive capacity. Integrating concepts from literature on supply chain disruptions, social-ecological systems, human wellbeing, vulnerability, and SSFs, we synthesize preliminary lessons from six case studies from Indonesia, the Philippines, Peru, Canada, and the United States. The SSF supply chains examined employ different distribution strategies and operate in different geographic, political, social, economic, and cultural contexts. Specifically, we ask (a) how resilient have different SSF supply chains been to COVID-19 impacts; (b) what do these initial outcomes indicate about the role of distribution strategies in determining the vulnerability of SSF supply chains to macroeconomic shocks; and (c) what key factors have shaped this vulnerability? Based on our findings, systemic changes that may reduce SSF vulnerability to future macroeconomic shocks include: diversification of distribution strategies, livelihoods, and products; development of local and domestic markets and distribution channels; reduced reliance on international markets; establishment of effective communication channels; and preparation for providing aid to directly assist supply chains and support consumer purchasing power.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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