Fisheries and the COVID-19 pandemic: A global scoping review of the early pressures, impacts, and responses in least developed, emerging, and developed countries
Notice bibliographique
Résumé
The COVID-19 pandemic disrupted fisheries at every step of the global seafood supply chain, through such challenges as trade stoppages, lockdowns, and restaurant closures. We performed a scoping review of the literature published during the first two years of the pandemic to examine the challenges of new and unpredictable shocks to fisheries in countries around the world, with a specific focus on development status. We identified a robust body of published work that illustrates a rapid mobilization around COVID-19 research by scholars around the world. Pressures were governmental, economic, and societal in nature. Across developed and emerging countries, we found the greatest number of reports of impacts on fish harvest/production and fish trade. In least developed countries, impacts reported were often more cross cutting, affecting multiple aspects of the supply chain simultaneously. Individuals were most frequently reported as bearing the burden of responses to COVID-19 pressures in lower development status nations, while a larger proportion of responses reported for developed nations happened at the fishery and farm/firm level. In developed nations the pandemic also created new opportunities for people to respond innovatively and capitalize on supply chain disruptions. Importantly, while the literature offers robust details on fishers and fisheries from geographically and economically diverse locales, it fails to provide the necessary baseline information or other quantitative details that would be required to evaluate the magnitude and extent of harms experienced that may create long-term legacies for fisheries and small-scale fishing communities in least developed and emerging economies.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,009 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| 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 ».