MétaCan
Menu
Retour à la cohorte
Enregistrement W4283740653 · doi:10.1146/annurev-marine-030322-113814

Global Fisheries Science Documents Human Impacts on Oceans: The <i>Sea Around Us</i> Serves Civil Society in the Twenty-First Century

2022· review· en· W4283740653 sur OpenAlexaff
Dirk Zeller, Maria Lourdes D. Palomares, Daniel Pauly

Notice bibliographique

RevueAnnual Review of Marine Science · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesPaul M. Angell Family FoundationMarisla FoundationMinderoo FoundationOak FoundationPaul G. Allen Family FoundationMAVA FoundationPew Charitable TrustsDavid and Lucile Packard Foundation
Mots-clésFishingFisheryGeographyAgricultureBiodiversityEcosystemMarine ecosystemCivil societyScale (ratio)Value (mathematics)Environmental resource managementBusinessNatural resource economicsPolitical scienceEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Fishing provides the world with an important component of its food supply, but it also negatively impacts the biodiversity of marine and freshwater ecosystems, especially when industrial fishing is involved. To mitigate these impacts, civil society needs access to fisheries data (i.e., catches and catch-derived indicators of these impacts). Such data, however, must be more comprehensive than the official fisheries statistics supplied to the Food and Agriculture Organization of the United Nations (FAO) by its member countries, which shape public policy in spite of their deficiencies, notably underestimating small-scale fisheries. This article documents the creation, based on the geographically coarse FAO data, of a database and website ( https://www.seaaroundus.org ) that provides free reconstructed (i.e., corrected) catch data by ecosystem, country, species, gear type, commercial value, etc., to any interested person, along with catch-derived indicators from 1950 to the near present for the entire world.

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)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies, Science ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,009
Études des sciences et des technologies0,0020,007
Communication savante0,0000,001
Science ouverte0,0090,010
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,026
Tête enseignante GPT0,330
Écart entre enseignants0,304 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207