Eficiencia productiva en la industria pesquera: un análisis bibliométrico (1979-2023).
Notice bibliographique
Résumé
The literature on productive efficiency in the fishing industry is extensive and diverse. This study applies a bibliometric analysis to review 626 scientific articles based on the Scopus database from 1979 to 2023. The results show that, from 1979 to 2023, there was a significant increase in the number of publications. In the first years of the research (1979-1990), the preponderance of publications was concentrated in specific geographic areas such as the United States, Canada, the United Kingdom, Australia y Belgium (5 countries). Subsequently (1990-2023), and thanks to international collaboration that, to a certain extent, led to this change, the scope of Productive Efficiency in the fishing industry experienced a gradual expansion towards larger geographic regions, expanding from Asia to the from South America (76 countries). The results indicate that Aquaculture Economics And Management, Fisheries Research, Aquaculture, Marine Resource Economics and Marine Policy were the top 5 journals for publication during 1979-2023 for this field. Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA) have been the most used approaches in the research field in recent decades. In recent years, fishery-related studies in technical efficiency, economic efficiency, fishery management, optimization, fisheries economics, efficiency and sustainability have become increasingly interesting to researchers. The findings of this study offer a deeper understanding of publication trends, identify hotspots, and point to future research directions in this evolving field.
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 | 0,007 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,091 | 0,164 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».