Evidence of spatial competition, over resource scarcity, as a primary driver of conflicts between small-scale and industrial fishers
Notice bibliographique
Résumé
Accounts of fishing conflicts have been rising globally, particularly between small-scale and industrial vessels.These conflicts involve verbal or physical altercations, and may include destruction of boats, assault, kidnapping, and murder.Current scholarship around industrial/small-scale fishing conflicts theorizes them as a form of resource conflict, where fish scarcity is the dominant contributor to conflict and competition.Alternatively, conflicts may be driven by spatial competition, concentrating where there are increased encounters, unrelated to resource status.Current policies to address these conflicts focus on enforcing the separation of small-scale and industrial vessels; however, this broad spatial separation has yet to be evaluated for deterring conflicts.Here we employ a novel spatial analysis to estimate the locations of industrial/small-scale conflicts at sea in Ghana, West Africa.Using data from narrative reports over the period of 1985 to 2014, we combine qualitative information on depth and shoreline indicators to analyze conflict locations.We find virtually all expected conflict locations (98%) occurred within the zone meant to exclude industrial vessels, and conflicts concentrated primarily around major ports.Our results suggest conflicts are likely more related to spatial patterns of vessel presence than patterns of resource use.These findings suggest a critical need for evidence-based and contextual information on the drivers of fisheries conflicts, rather than continued reliance on assumptions of resource scarcity.They also suggest that nuanced policies that reduce vessel encounter and clarify exclusive spatial rights may be more important in responding to these conflicts than approaches designed to broadly separate fleets or increase fish stocks.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».