MétaCan
Menu
Retour à la cohorte
Enregistrement W4403731396 · doi:10.1007/s43621-024-00551-5

Blue economy of Bangladesh and sustainable development goals (SDGs): a comparative scenario

2024· article· en· W4403731396 sur OpenAlexaboutno aff
Md Syful Islam, Zobayer Ahmed, M. Habib, Osman Masud

Notice bibliographique

RevueDiscover Sustainability · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainable developmentBusinessNatural resource economicsEconomic systemEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Blue economy has the potential to promote economic growth, improve livelihoods, and create jobs while protecting marine ecosystems. This research uses a comprehensive analysis of secondary data sources to assess various blue economy sectors, including maritime transport, fisheries, aquaculture, offshore renewable energy, marine tourism, marine biotechnology, and ocean mining. By examining the blue economy experiences of developed nations like the United States, Canada, Japan, Norway, and Australia, the study identifies the best SDG practices and strategic lessons applicable to Bangladesh. In the case of Bangladesh, the research focuses on the blue economy initiatives, opportunities, and challenges associated with the Sustainable Development Goals (SDGs). The blue economy and SDGs nexus in the context of Bangladesh demonstrates that out of 17 goals, 12 SDGs (SDG 1, SDG 2, SDG 3, SDG 7, SDG 8, SDG 9, SDG 11, SDG 12, SDG 13, SDG 14, SDG 16 and SDG 17) are linked with blue economy practices in Bangladesh. However, in the case of developed countries, only six SDGs (SDG 7, SDG 8, SDG 9, SDG 12, SDG 13, SDG 14) are connected to the blue economy because of the diversity of blue economy practices across the countries. Situated along the Bay of Bengal, Bangladesh has significant potential to utilize its marine resources for sustainable development. However, it faces challenges such as inadequate infrastructure, regulatory gaps, environmental risks, and limited technological advancements. The study thus emphasizes the need for integrated policy frameworks, stakeholder coordination, investments in sustainable infrastructure, public–private partnerships, technological innovation, and community engagement.

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 enseignants0,072
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,008
Tête enseignante GPT0,238
Écart entre enseignants0,230 · 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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover SustainabilityMême sujetCoastal and Marine ManagementTravaux en français237 207