MétaCan
Menu
Retour à la cohorte
Enregistrement W4405379478 · doi:10.1080/23308249.2024.2436415

Protecting Migrant Labor Rights in the Distant-Water Fisheries Sector: A Comparative Analysis of the Legal Framework of Three Major Fishing Nations in Eastern Asia

2024· article· en· W4405379478 sur OpenAlexaff
Wenhong Liu, Po-Chih Hung, Peter Vandergeest, Azmath Jaleel, Bruno Ciceri, Chih‐Cheng Lin

Notice bibliographique

RevueReviews in Fisheries Science & Aquaculture · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Zones and Regional Development
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBusinessWork (physics)FishingFisheries managementCorporate social responsibilitySustainable developmentFisheryEconomic growthPolitical scienceEconomicsPublic relationsLaw

Résumé

récupéré en direct d'OpenAlex

This study evaluated the legal frameworks that addressed the rights of migrant fishers in Taiwan, Japan, and South Korea, using selected provisions of the ILO Work in Fishing Convention, C188, as the criteria. Based on the findings, several recommendations are presented to improve migrant labor rights in the distant water fisheries (DWF). These include further aligning national laws with C188 provisions, enhancing pre-employment training programs for foreign fishers, prioritizing medical care and safety measures, and working with associations of fishers to improve compliance with labor and safety regulations. Collaborative co-management strategies, partnerships with worker and non-governmental organizations, and public awareness campaigns are also recommended. Encouraging corporate social responsibility among fishery corporations can improve working conditions and fair treatment for migrant fishers. In conclusion, by implementing the suggested policy measures, governments can make progress toward achieving fair treatment for migrant workers in the fisheries industry and support United Nations Sustainable Development Goals.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,064
Tête enseignante GPT0,271
Écart entre enseignants0,206 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReviews in Fisheries Science & AquacultureMême sujetEconomic Zones and Regional DevelopmentTravaux en français237 207