Korte ketens in de visserij : Een verkenning van bestaande initiatieven, lessen en kansen
Notice bibliographique
Résumé
Binnen de visserij is het aanbod en inzicht in korteketeninitiatieven tot op heden beperkt en gefragmenteerd, waardoor systematisch leren en mogelijkheden tot opschalen uitblijven.Deze nulmeting inventariseert bestaande en eerdere korteketeninitiatieven in Nederland en het buitenland, analyseert de geleerde lessen en schetst kansen voor de Nederlandse visserijsector.Hiermee is een kennisbasis gelegd voor gerichte vervolgonderzoeken.Onder andere in het kader van het Programma Praktijkkennis voor Voedsel en Groen (PVG) vanuit NWO-SIA (z.d.) en de subsidieregeling Vernieuwingen in de visserij-en aquacultuurketen vanuit het EMFAF (RVO, 2025) wordt gewerkt aan het versterken van toekomstbestendige bedrijfsmodellen in de Nederlandse visserij.Het ministerie van Landbouw, Visserij, Voedselzekerheid en Natuur (LVVN) heeft behoefte aan beter inzicht in de rol en potentie van korte ketens binnen de Nederlandse visserijsector.Specifiek is er vraag naar een overzicht van bestaande en eerdere initiatieven, de geleerde lessen en mogelijke aanknopingspunten met ontwikkelingen in andere sectoren zoals de landbouw.Binnen het Onderzoeksprogramma Transitie Visserij (OPTV) is het thema korte ketens benoemd als relevant voor toekomstbestendige bedrijfsmodellen.Omdat een actueel en systematisch overzicht ontbreekt, is in overleg met Regieorgaan SIA besloten een verkennende Kennisdesk-studie als een soort van eerste startpunt of noem het nulmeting uit te voeren.Deze factsheet bundelt de beschikbare kennis over korte ketens in de visserij en brengt kansen en leemtes in kaart.Ze vormt het resultaat van deze studie.Het uiteindelijke doel is aanbevelingen te geven voor vervolgonderzoek, richting het nationaal visserijbeleid en de visserijsector zelf om het verdienvermogen van de visserij te kunnen versterken. .Samenvatting S1.Kernvraag Deze deskstudie heeft tot doel om de lessen en kansen van korteketeninitiatieven voor de visserij inzichtelijk te maken, waarbij er antwoord wordt gegeven op de volgende vragen:1. Welke korteketeninitiatieven in de visserij zijn er in Nederland (geweest)?2. Welke korteketeninitiatieven in de visserij zijn er in het buitenland (geweest)?3. Wat kunnen we leren van eerder opgezette korteketeninitiatieven in de visserij?Waar liggen kansen? 4. Wat kunnen we leren van korteketeninitiatieven in andere sectoren in Nederland? 5. Waar liggen nog verdere vragen voor vervolgonderzoek vanuit NWO-SIA?S2.Kernboodschap De deskstudie toont aan dat korteketeninitiatieven in de Nederlandse visserij volop kansen bieden (tabel 1).
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,020 | 0,012 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,012 |
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 ».