Les conseils consultatifs régionaux : vers une nouvelle gouvernance pour les pêches de l’union européenne ?
Bibliographic record
Abstract
La mer est aujourd’hui au cœur de grandes préoccupations environnementales : lutte contre les pollutions, réchauffement climatique et gestion des ressources. Les études scientifiques sur cette dernière question sont de plus en plus alarmantes et laissent envisager un avenir sombre pour les ressources halieutiques mondiales sur du court terme. Après une course effrénée vers des technologies et techniques de pêche toujours plus importantes depuis les années 70, le problème de surcapacité des flottes mondiales a conduit à celui de la surexploitation que connaissent près de 75% des stocks exploités dans le monde.La politique communautaire des pêches de l’Union européenne tente de prendre en compte les considérations environnementales depuis sa dernière réforme de 2002. Mais la tâche est complexe du fait des nombreux conflits existants entre les acteurs concernés par la question (scientifiques, professionnels du secteur de la pêche, décideurs politiques…). De ce constat sont nés les conseils consultatifs régionaux (CCR), structures de dialogue entre les différents acteurs impliqués à un niveau pertinent de décision et d’échange. Ces conseils travaillant en effet sur une échelle régionale, ils permettent l’implication des professionnels au processus de décision communautaire en matière de pêche et ainsi une meilleure acceptation de la norme et de ses considérations environnementales. Un premier bilan de leurs travaux actifs depuis quelques années permet d’espérer que l’on parvienne à une nouvelle forme de gouvernance.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.005 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".