MétaCan
Menu
Retour à la cohorte
Enregistrement W4220875270 · doi:10.1016/j.jrurstud.2022.02.006

Coastal transitions: Small-scale fisheries, livelihoods, and maritime zone developments in Southeast Asia

2022· article· en· W4220875270 sur OpenAlexaff
Michael Fabinyi, Ben Belton, Wolfram Dressler, Magne Knudsen, Dedi Supriadi Adhuri, Ammar Abdul Aziz, Md. Ali Akber, Jawanit Kittitornkool, Chaturong Kongkaew, Melissa Marschke, Michael D. Pido, Natasha Stacey, Dirk J. Steenbergen, Peter Vandergeest

Notice bibliographique

RevueJournal of Rural Studies · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensYork UniversityUniversity of OttawaGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésLivelihoodCommodificationFishingGeographyFisheryTourismScale (ratio)Exclusive economic zoneEconomyEconomicsAgriculture

Résumé

récupéré en direct d'OpenAlex

Across Southeast Asia, coastal livelihoods are becoming more diverse and more commodified, as maritime zone developments intensify. We review literature from the ten maritime states in Southeast Asia to assess how older and emerging forms of maritime zone developments influence the viability of small-scale fishing livelihoods. Applying a political economy lens to small-scale fisheries and maritime zone developments at regional scale, we show how small-scale fisheries persist as a significant coastal livelihood activity across the region, despite declining opportunities due to long-term intensification of fisheries exploitation. The paper further analyses the ways in which newer maritime zone developments, including aquaculture, land reclamation, special industrial zones, and tourism interact with fishing, and are reconfiguring coastal livelihoods in the region. Key trends that small-scale fishers and coastal communities must negotiate include deepening commodification, worsening environmental degradation, loss of access to fishing grounds, and an intensifying ‘squeeze’ on coastal space.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,208
Écart entre enseignants0,194 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations118
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rural StudiesMême sujetCoastal and Marine ManagementTravaux en français237 207