Fisheries Centre research reports. Volume 31, number 4
Notice bibliographique
Résumé
This research analyses the nature of human dependence on bottom trawling as a necessary precursor to constraining its impact. Bottom trawling involves dragging a weighted net along the seabed, catching and/or damaging every organism in its path. Bottom trawling can negatively affect fishers, resulting in fewer opportunities for artisanal and small-scale fishers, diminished food security, increased human rights violations, and social and violent conflicts. This study focuses on India, where trawling started in 1956 and where 79% of total landings by trawls that targeted shrimp were already gathering unintended catches by 1979. While the obvious solution seems to be to limit bottom trawling, decision-makers are often challenged by conflicting economic, social, and environmental imperatives. The objective of the study was to understand fishers' motivations to start, stay in and stop bottom trawling to better address challenges faced by decision-makers. A mix of peer-reviewed and grey literature was used to conduct a systematic literature review. The results show that the fishery and fishers chose to begin bottom trawling and stay in the industry primarily because of offers of subsidies, potentially better income, and likely profits. The bottom trawl industry persisted despite declining resources because of (i) the industries' capacity to exert power which allowed them to extend a sunset business, and (ii) poor enforcement of regulations that should have constrained trawling. We underline the entrenched nature of the trawl industry, where fishers were trapped in bottom trawling because of accumulated debt to people higher in the trade. Fishers stopped trawling when constrained by regulations, resource depletion, and low financial returns. Fishers' motivations to participate in bottom trawling varied according to their role in the trawl industry, with owners often reaping more benefits from trawling than the crew. Recognizing and addressing these results will be crucial in determining how best to constrain bottom trawling effectively.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,309 | 0,142 |
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 ».