Empowering Communities in Sustainable Fishing Port Management: An Insight from Pondok Dadap Sendang Biru, Indonesia
Notice bibliographique
Résumé
The fishing port of Pantai Pondok Dadap Sendang Biru, located in the coastal area of South Malang, East Java Province, Indonesia, serves as an essential hub for sustainable fish management and the primary livelihood source for the local community.This study identifies fish distribution patterns as a crucial aspect of effectively channeling products from fishermen to markets.We adopted a qualitative method for data analysis, utilizing the approach proposed by Miles and Huberman, which encompasses three main activities: data reduction, display, and conclusion drawing.Data reduction involves sorting through data to isolate the most relevant and significant information.The data were subsequently displayed in matrices, graphs, and categorical trees to facilitate a more straightforward analysis.Conclusions were drawn once the data were organized to highlight specific themes and patterns.For qualitative data, we used a Likert scale to gauge the attitudes, opinions, and perceptions of individuals or groups.Our findings reveal three primary distribution channels at the port: The first channel includes fishermen, distributors, and seafood processing companies; the second channel comprises fishermen, Kios Ikan Nelayan, and buyers; the third channel consists of fishermen, Kios Ikan Nelayan, and market sellers.Our results not only provide a framework for the sustainable management of the port but also offer an in-depth understanding of the fish distribution dynamics, which fishermen and port managers can utilize to enhance the productivity and sustainability of their fishing enterprises.Thus, this study contributes to the development of best practices in fisheries resource management and the empowerment of fishing communities in Indonesia.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».