MétaCan
Menu
Retour à la cohorte
Enregistrement W4396601378 · doi:10.1016/j.marpol.2024.106182

Governing the global fisheries commons

2024· article· en· W4396601378 sur OpenAlexaff
Pablo Paniagua, Veeshan Rayamajhee

Notice bibliographique

RevueMarine Policy · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésCommonsFisheryGlobal commonsBusinessFisheries lawFisheries managementNatural resource economicsPolitical scienceFishingEconomicsEcologyBiologyLaw

Résumé

récupéré en direct d'OpenAlex

Despite significant advances in understanding the biophysical and institutional causes of overfishing, we have yet to make progress in addressing the depletion of our global fisheries stock. Investigations of potential solutions tend to be too broad (mischaracterizing global fisheries as a singular commons problem to be addressed at the supranational level) or too narrow (focusing on improving management of small fisheries at the micro level). This article attempts to bridge the gap between our scientific understanding of our collective dilemmas and their pragmatic solutions. Building on insights from Nobel laureate Elinor Ostrom, we frame the depletion of global fisheries as a nested set of diverse and interconnected collective action problems organized at different horizontal and vertical levels, where decisions and actions of one jurisdictional unit reinforce and amplify problems (and solutions) for other units. We examine features of the global fisheries system, such as nonstationarity, nestedness, and prohibitive transaction costs. Then, we explore some potential solutions. The success of our conservation goals depends on our ability to craft institutional rules at the lower levels that are adaptive to local conditions, address incentive misalignment issues, and allow for the transfer of positive externalities to adjacent and higher levels.

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)0,000
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,006
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,007
Tête enseignante GPT0,230
Écart entre enseignants0,223 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations18
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine PolicyMême sujetCoastal and Marine ManagementTravaux en français237 207