MétaCan
Menu
Retour à la cohorte
Enregistrement W4403616640 · doi:10.33512/jpk.v14i1.27697

The Utilization Pattern of Capture Fisheries in the Limited Utilization Zone of the Gili Matra Marine Protected Area in West Nusa Tenggara Province

2024· article· en· W4403616640 sur OpenAlexaff
Rowi Ashari, Soraya Gigentika, Sitti Hilyana, Martanina Martanina

Notice bibliographique

RevueJurnal Perikanan dan Kelautan · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and Coastal Ecosystems
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésFisheryMarine protected areaEnvironmental scienceForestryGeographyEnvironmental protectionEcologyBiology

Résumé

récupéré en direct d'OpenAlex

location for capture fisheries activities. However, the management has not yet assessed the area's utilization for capture fisheries activities, necessitating research on the utilization pattern of capture fisheries in the Gili Matra conservation area. This research aims to identify the types of fishing gear used and analyze the size of the dominant fish caught in the Gili Matra marine protected area. This research was conducted from February to April 2024. Data were collected through interviews with respondents and by measuring the length of the fish. The respondents in this study were groups of fishermen who caught fish within the limited utilization zone, selected using the accidental sampling method. The number of fish samples measured in this study was 30 individuals for each fish species. The fish species measured were the dominant species caught in the Gili Matra marine protected area. The data were analyzed using descriptive analysis and length frequency analysis. The study results showed fishermen use bottom handlines, gillnets, and spearguns to catch fish within the limited utilization zone in the Gili Matra marine protected area. The dominant fish species caught in the area were Lutjanus gibbus , Siganus virgatus , and Parepeneus indicus . Almost all of these fish species had capture sizes larger than the length at first maturity.

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 candidatesaucune
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 enseignants0,137
Score d'incertitude au seuil0,933

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,214
Écart entre enseignants0,197 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Perikanan dan KelautanMême sujetMarine and Coastal EcosystemsTravaux en français237 207