MétaCan
Menu
Retour à la cohorte
Enregistrement W4401828182 · doi:10.15578/jppi.30.2.2024.53-64

KERENTANAN SOSIAL-EKOLOGI MASYARAKAT PERIKANAN SKALA KECIL DI SELAT BUTON, SULAWESI TENGGARA

2024· article· id· W4401828182 sur OpenAlexaff
Raymond Jakub, Luky Adrianto, Handoko Adi Susanto, Stuart Campbell

Notice bibliographique

RevueJurnal Penelitian Perikanan Indonesia · 2024
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueCommunity-based Tourism Development and Sustainability
Établissements canadiensImmunoPrecise (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsParticle physics

Résumé

récupéré en direct d'OpenAlex

Masyarakat perikanan skala kecil merupakan komunitas yang sangat rentan terhadap dampak perubahan iklim. Pada umumnya, kerentanan ini disebabkan oleh tingginya tingkat paparan dan sensitivitas kelompok ini terhadap dampak langsung perubahan iklim, serta lemahnya kemampuan untuk beradaptasi. Penelitian ini bertujuan untuk (1) mengetahui tingkat kerentanan di dua kawasan di Selat Buton yaitu komunitas Pasi Kolaga dan Kapontori, melalui atribut sosial-ekologi, (2) serta mengindikasikan strategi adaptasi yang perlu dilakukan sebagai respons kolektif terhadap komponen-komponen di dalam analisis kerentanan. Sebanyak 19 variabel iklim, sosial dan ekologi digunakan di dalam penelitian ini. Setiap variabel dikelompokkan ke dalam lima komponen yang menjelaskan nilai kerentanan perubahan iklim yaitu komponen Paparan, Sensitivitas Sosial, Sensitivitas Ekologi, Kapasitas Adaptif Sosial dan Kapasitas Adaptif Ekologi. Kelima komponen ini dianalisis untuk menghasilkan nilai kerentanan untuk setiap komunitas. Nilai indeks kerentanan sosial-ekologi komunitas Pasi Kolaga adalah 0,520 dan komunitas Kapontori adalah 0,567, yang menunjukkan bahwa secara sosial-ekologi komunitas pesisir di Kapontori lebih rentan terhadap perubahan iklim. Variabel yang dihasilkan digunakan untuk menentukan indikasi rencana aksi adaptasi yang dapat dilakukan oleh kedua komunitas ini untuk mengurangi nilai kerentanan dan meningkatkan kapasitas adaptif. Pengelolaan perikanan skala kecil yang dikelola yang dengan mengedepankan peran masyarakat dalam kemitraan dengan pemerintah daerah, serta dan mencakup intervensi beragam dapat menjawab tantangan perubahan iklim secara terintegrasi. Small-scale fishing communities are highly vulnerable to the impacts of climate change. In general, their vulnerability is caused by the high level of exposure and sensitivity of this community to the impacts of climate change, as well as their low adaptive capacity. This study aims to (1) determine the vulnerability in two communities in the Buton Strait, namely the Pasi Kolaga and Kapontori, using socio-ecological attributes, (2) and indicate the adaptive strategies that are required as a collective response to each component in vulnerability analysis. A total of 19 climate, social and ecological variables were used in this study. Each variable is grouped into five components, namely Exposure, Social Sensitivity, Ecological Sensitivity, Social Adaptive Capacity, and Ecological Adaptive Capacity components. These five components were analyzed to generate a vulnerability index for each community. The socio-ecological vulnerability index of the Pasi Kolaga community (VS.E_PASI) is 0.520 and the Kapontori community (VS.E_KAPO) is 0.567, which indicates that socio-ecologically the coastal community in Kapontori is more vulnerable to climate change. The variables resulting from this study are used to indicate adaptive action plans that can be carried out by these two communities to reduce their vulnerability and increase their adaptive capacity. Small-scale fisheries management that is designed by prioritizing the role of the community in the management, in a partnership with local governments, and including interventions in various aspects can help in addressing the challenges of climate change in an integrated manner.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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 Opus0,017
Tête enseignante GPT0,282
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Penelitian Perikanan IndonesiaMême sujetCommunity-based Tourism Development and SustainabilityTravaux en français237 207