MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253545086 · doi:10.1017/cbo9780511617966.001

Introduction

2007· book-chapter· en· W4253545086 sur OpenAlexaff
Colin Clark

Notice bibliographique

RevueCambridge University Press eBooks · 2007
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

The current worldwide crisis in marine fisheries can be summarized as “too many boats chasing too few fish.” In other words, many marine fisheries today suffer from a combination of overfishing of stocks and overcapacity of fishing fleets. Although fishing vessels can, and do, switch to new targets as current stocks become depleted, the world's oceans are finite. By the end of the 1990s the inevitable result was becoming apparent, as total worldwide catches of ocean fish (as reported by the United Nations Food and Agriculture Organization) began to decline. Documentation of this trend is provided by Pauly et al. (1998), Jackson et al. (2001), Hilborn et al. (2003), Myers and Worm (2003), Dulvy et al. (2003) and other publications. Based on large, detailed databases for world fisheries, these studies have demonstrated an unexpected degree of overharvesting, especially of large, valuable species. Two important questions immediately arise. What are the underlying reasons for overfishing and overcapacity? What needs to be done to reverse the trend? To begin with, it is obvious that economic forces are paramount—marine resources are exploited because of a demand for the product. If the revenue obtained from catching fish of a certain population exceeds the cost of doing so, there will exist an economic incentive to exploit that population. Unless the rate of harvesting can be controlled somehow, the fish population may eventually be reduced (at a profit) to a low level. This in turn may affect the productivity of the resource and greatly reduce future catches.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,689

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,5170,368

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 Opus0,023
Tête enseignante GPT0,204
Écart entre enseignants0,181 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetMarine and fisheries research→Travaux en français237 207→