MétaCan
Menu
Retour à la cohorte
Enregistrement W4220996208 · doi:10.3389/fmars.2022.831868

Who Gets the Catch? How Conventional Catch Attribution Frameworks Undermine Equity in Transboundary Fisheries

2022· article· en· W4220996208 sur OpenAlexaff
Ruth Davis, Quentin Hanich, Bianca Haas, Andrés M. Cisneros‐Montemayor, Kamal Azmi, Katherine Seto, Wilf Swartz, Pedro C. González‐Espinosa, Mathieu Colléter, Timothy Adams

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaDalhousie UniversitySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésEquity (law)NegotiationFishingBusinessFisheryFisheries managementSovereigntyAttributionFisheries lawInternational lawEnvironmental resource managementPolitical scienceEconomicsLawPolitics

Résumé

récupéré en direct d'OpenAlex

The focus on flag States for the purpose of attributing fisheries catch is inconsistent with the assignment of sovereign rights to coastal States under international law and undermines equity in contemporary quota allocation negotiations. We propose modernizing reporting frameworks to include zone-based reporting of fish catches to more equitably present data, ensure consistency with the Law of the Sea, and better support the realization by developing coastal States of their development aspirations consistent with SDG 14, Life Below Water. States are already required to collect the data necessary to support this change, and many regional fisheries management authorities already do so. Reforms to data collection and reporting mechanisms should support zone-based catch attribution as a central feature of negotiations around access to future fishing opportunities on shared resources. Doing so will ensure that the sovereign rights of developing coastal States are properly accounted for and implemented.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,319
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,012
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,240
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetCoastal and Marine ManagementTravaux en français237 207