Decent work in fishing in a changing climate
Notice bibliographique
Résumé
Climate change will increasingly impact the working conditions of employed fishers, who work in the most hazardous occupation in a sector already at high risk for forced labor and other decent work deficits. However, in comparison to other sectors, there has been little attention afforded to how climate change will impact working conditions onboard industrial vessels. Although the absence of a well-organized workforce makes it challenging to identify and anticipate climate impacts, this information is critical for designing effective strategies to mitigate them. In this paper we elucidate these emerging linkages in a conceptual framework that was developed through a review of the literature and a convening of government and academic researchers and worker representatives. Fishers are likely to be affected by direct climate hazards, such as injuries and illness from increased storminess and heat exposure, and indirect impacts, such as fatigue and poorer mental health outcomes from longer voyages and working hours as stock abundances change and shift because of warming waters. The power imbalances and denial of agency that create exploitative working conditions, including forced labor, will likely limit vulnerable fishers’ adaptive capacity, further entrenching inequities. The framework also highlights significant knowledge gaps that limit our understanding of fishers’ vulnerabilities and sector risks and that delay the development and implementation of evidence-based interventions. Without immediate and considered policy action informed by workers’ experiences, climate change will likely exacerbate and create new manifestations of decent work deficits in global fisheries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».