Preparing for change; challenges for fisheries governance
Notice bibliographique
Résumé
No abstracts are to be cited without prior reference to the author. Conveners: Alida Bundy (Canada), Marion Glaser (Germany), Annette Breckwoldt (Germany), Ingrid van Putten (Australia).CM 2018/H:196. Adaptation to climate change in ecosystem-based fisheries management of developed nations: how is social resilience governed? Woods, P.J., Macdonald, J., Barðarson, H., Baily, M., Bonanomi, S., Boonstra, W.J., Cornell, G., Cripps, G., Danielsson, R., Färber, L., Ferreira, A.S.A., Holma, M., Holt, R.E., Kokkalis, A., Langbehn, T., Ljungström, G., Nieminen, E., Nordström, M., Oostdijk, M., Richter, A., Romagnoni, G., Sguotti, C., Simons, A., Shackell, N., Snickars, M., Tunca, S., Whittington, J.D., Wootton, H., and Yletyinen, JCM 2018/H:72. A legal pluralism perspective on coastal fisheries governance in two Pacific Island countries. Janne R. Rohe, Hugh Govan, Achim Schlüter, Sebastian C.A. FerseCM 2018/H:261. Perfect is the enemy of good – when more accurate stock assessments are less valuable for management. Esther Schuch, Silke Gabbert, Andries RichterCM 2018/H:125. Ecological, socioeconomic and institutional resilience to shifting fish stocks. E. Fontán and E. Ojea.CM 2018/H:274. Best practice guidelines on developing decision support tools for European fisheries and aquaculture sectors. Thuy Thi Thanh Pham, Frank Wätzold, Astrid Sturm, Alan Baudron, Michaela AschanCM 2018/H:192. Stakeholders’ perceptions of Governance in Iceland and Spain (Galicia). Ixai Salvo, Rosa Chapela, Antonio G. AllutCM 2018/H:269. Integrated Ecosystem Assessments for marine management from concepts to practise in ICES. Christine Röckmann; Jennifer Bailey, Dorothy Dankel, Geret DePiper, Johanna Ferretti, Ana Rita Fraga, Sarah Gaichas, Susan Gardner, David Goldsborough, Leyre Goti, Rolf Groeneveld, Katell Hamon, Andrew Kenny, Marloes Kraan, Sebastian Linke, Sean Lucey, Angela Münch, Gerjan Piet, Patricia Pinto da Silva, Marina Santurtun, Jörn Schmidt; Patricia M. ClayCM 2018/H:553. Accounting for shifting distributions and changing productivity in the development and use of scientific advice for fisheries management. Melissa A. Karp, Jay Peterson, Patrick Lynch, Roger GriffisCM 2018/H:530. Towards a more effective common fisheries policy: applying an analytical framework of 17 criteria to identify priorities for reform. Johanna Ferretti, Tobias Belschner, Ralf Döring, Alexander Kempf, Sarah Kraak, Gerd Kraus, Harry V. Strehlow, Christopher ZimmermannCM 2018/H:190. Measuring good fisheries governance: What do stakeholders think? Ixai Salvo, Svein Jentoft, Rosa Chapela, Antonio G. Allut
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 | 0,024 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,039 |
| Communication savante | 0,024 | 0,028 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,013 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».