MétaCan
Menu
Retour à la cohorte
Enregistrement W4390972758 · doi:10.1111/faf.12814

The future of gender research in small‐scale fisheries: Priorities and pathways for advancing gender equity

2024· article· en· W4390972758 sur OpenAlexaff
Emma Rice, Edith Gondwe, Abigail Bennett, Patrick Asango Okanga, Nimah Folake Osho-Abdulgafar, Kafayat Adetoun Fakoya, Ayodele Oloko, Sarah Harper, Patrick Kawaye, Ernest Obeng Chuku, H. Shelton Smith

Notice bibliographique

RevueFish and Fisheries · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensUniversity of VictoriaUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésLivelihoodCorporate governanceGender equityEquity (law)Scale (ratio)Citizen journalismBusinessFisheryWarrantDiversification (marketing strategy)IntersectionalityPolitical scienceEnvironmental resource managementEconomic growthSociologyAgricultureEconomicsMarketingGeographyFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents an agenda for the future of gender research in small‐scale fisheries (SSF). Building on expert insight from scholars who gathered during the 4th World Small‐Scale Fisheries Congress Africa (4WSFC) with a synthesis of existing literature, we identify six topics that warrant future investigation in SSF, along with methodological considerations for addressing them. Research priorities include identifying pathways towards (1) equitable participation in governance and decision‐making, (2) valuing all actors' contributions to aquatic food systems, (3) increasing access to financial services, (4) inclusive infrastructural development, (5) livelihood diversification and (6) reducing occupational health hazards. Several important methodological considerations include (i) using multiple methodologies, (ii) applying participatory methods, (iii) collecting gender‐disaggregated data, (iv) integrating gender into a food systems approach in fisheries, (v) engaging an intersectional approach and (vi) operationalising equity.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,823

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,074
Tête enseignante GPT0,290
Écart entre enseignants0,216 · 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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207