MétaCan
Menu
Retour à la cohorte
Enregistrement W4414116748 · doi:10.1016/j.marpol.2025.106898

Beyond growth: Reshaping fisheries for a wellbeing economy

2025· article· en· W4414116748 sur OpenAlexaff
Ingrid Kelling, Nathan Bennett, Kate Barclay, Andrew Jeffs, Cristina Pita, Birgitte Krogh-Poulsen, Tobias Troll, Evgenia Micha, Julia Cirne Lima Weston, Iain Black, Ibrahim Lawan, Alexandra Leeper, Nicky Pouw, Melanie Siggs, Kazumi Wakita

Notice bibliographique

RevueMarine Policy · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesOrganisation de Coopération et de Développement ÉconomiquesHeriot-Watt University
Mots-clésProsperityLivelihoodSustainabilityIntergenerational equityEquity (law)DignityFisheries lawSustainable development

Résumé

récupéré en direct d'OpenAlex

Contemporary fisheries have been shaped by a paradigm of perpetual growth, characterized by increasing global production and consumption. While this growth has driven economic benefits and technological progress, it has jeopardized the sustainability of marine ecosystems, with implications for the long-term livelihoods and wellbeing of fishers, consumers and resource dependent coastal populations worldwide. This paper advocates for a shift beyond growth towards a wellbeing economy. It considers how five fundamental principles intrinsic to a wellbeing economy - purpose, nature, fairness, participation and dignity - can help reorient the fisheries sector. The paper then provides ten actionable recommendations for reshaping the composition and structure of economic activity in fisheries to enhance societal wellbeing and equity within ecological boundaries. In a world grappling with the consequences of unchecked economic growth, this paper offers insights into fostering a regenerative fisheries system that safeguards human prosperity and environmental integrity.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,014
Communication savante0,0080,014
Science ouverte0,0010,010
Intégrité de la recherche0,0030,004
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 Opus0,012
Tête enseignante GPT0,266
Écart entre enseignants0,254 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine PolicyMême sujetMarine and fisheries researchTravaux en français237 207