Estimating the Economic Value of Narwhal and Beluga Hunts in Hudson Bay, Nunavut
Notice bibliographique
Résumé
ABSTRACT. Hunting of narwhal (Monodon monoceros) and beluga (Delphinapterus leucas) in Hudson Bay is an important activity, providing food and income in northern communities, yet few studies detail the economic aspects of these hunts. We outline the uses of narwhal and beluga and estimate the revenues, costs, and economic use value associated with the hunt on the basis of the harvests in 2007. We also explore the effects of cost sharing and inclusion of opportunity cost of labour on model outputs. For the communities participating in each hunt, the average economic use value was negative (-$9399) for beluga and positive ($133 278) for narwhal. The corresponding per capita value estimates were-$1 for beluga and $44 for narwhal. Including the effects of cost sharing with one other hunting activity in the model increased the economic use values to $266 504 for beluga and $321 500 for narwhal. Narwhals provide a higher value per whale, in addition to a higher per capita total economic value to the community, compared to belugas because resources are shared among fewer communities. However, the beluga hunt overall provides greater revenue because more belugas are harvested. In keeping with literature on other hunting activities in the Arctic, our results indicate that the value of whales to communities is largely due to their food value. Key words: hunting, narwhal, beluga, economic value, Hudson Bay, subsistence hunting, use value RÉSUMÉ. Dans la baie d’Hudson, la chasse au narval (Monodon monoceros) et au béluga (Delphinapterus leucas) représente une activité importante en ce sens qu’elle est à la fois une source de nourriture et de revenu pour les collectivités du Nord. Pourtant, peu d’études se penchent sur les aspects économiques de cette activité. Nous faisons mention des utilités du narval
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».