MétaCan
Menu
Retour à la cohorte
Enregistrement W4386627501 · doi:10.53555/sfs.v9i1.1595

Use Of Pesticides Or Harmful Substances In Fish Drying: A Study On The Coast Of Purba Medinipur District, West Bengal

2022· article· en· W4386627501 sur OpenAlexvenueno aff
Suman Kalyan Samanta, Arnab K. Ojha

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFisheries and Aquaculture Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivelihoodBENGALCasteWet seasonWest bengalDry seasonFish <Actinopterygii>FisheryFishingSocioeconomicsWork (physics)GeographyAgricultureBiologyEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Fishing is one of the major livelihood activities of traditional fishermen in the coastal region of Purba Medinipur district in West Bengal. Most of these traditional fishermen are lower-caste Hindus. In the traditional caste hierarchy, these traditional Hindu fishermen face various kinds of discrimination and unlawful activities. Poverty is their common feature. A large number of traditional fishermen depend on the traditional petty trade of fish drying. Earlier, they used only traditional technologies and did not depend on harmful substances (especially various pesticides or insecticides) to dry or preserve fish in a short time. Recently, the technology and methods of drying fish have changed a lot for fishermen in coastal regions. Nowadays, traditional fishermen often use various harmful substances such as pesticides or insecticides to dry the fish quickly, to preserve it for a longer period and to dry it during the rainy season or in other humid climatic conditions. Most of these substances have serious health impacts. The present work attempted to determine the health impacts of fish drying workers who work in khoti areas (fish drying centres where fishermen are engaged in fish drying) and are involved to some extent in this chemical-driven fish drying process. The study was conducted among the traditional fishermen engaged in fish drying and petty trading in different khoti areas of Purba Medinipur district in West Bengal. It is mainly a field observation-based work in which various traditional methods of fieldwork were used with due importance

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,117
Score d'incertitude au seuil0,895

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,296
Tête enseignante GPT0,280
Écart entre enseignants0,015 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetFisheries and Aquaculture StudiesTravaux en français237 207