MétaCan
Menu
Retour à la cohorte
Enregistrement W4392562142 · doi:10.1038/s44183-024-00049-7

Poverty line income and fisheries subsidies in developing country fishing communities

2024· article· en· W4392562142 sur OpenAlex
Louise Teh, Lydia C. L. Teh, Alfredo Girón‐Nava, U. Rashid Sumaila

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

Revuenpj Ocean Sustainability · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesKillam Trusts
Mots-clésPovertyFishingSubsidyFisheryDeveloping countryEconomicsBusinessDevelopment economicsEconomic growthBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Eradicating poverty and harmful fisheries subsidies are two pressing challenges frequently addressed in international agendas for sustainable development. Here we investigate a potential solution for addressing both challenges simultaneously by asking the hypothetical question: to what extent can harmful fisheries subsidies provided by a country finance the cost of lifting fishers out of poverty? Focusing on 30 coastal least developed countries, we find that fishers in 87% of these countries do not earn sufficient income to satisfy the extreme poverty line income of USD 1.90/person/day, and that it would cost an estimated USD 2.2 to 2.6 billion to lift these fishers to different levels of poverty line incomes. Our analysis further suggests that at the country level, redirected harmful fisheries subsidies can cover the entire cost of covering the poverty income gap for between 37 to 43% of assessed countries. Our results provide quantitative evidence that can be used to support simultaneous progress towards achieving several Sustainable Development Goals, including those dealing with poverty reduction, food insecurity, and ocean sustainability.

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.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,218
Score d'incertitude au seuil1,000

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,249 · 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