Variabilidad climática y su impacto en pesquerías de pequeña escala de invertebrados en América Latina
Bibliographic record
Abstract
As pescarias de pequena escala ou artesanais desempenham um papel fundamental para a segurança alimentar e para a mitigação da pobreza na América Latina. Estas pescarias estão cada vez mais ameaçadas por fatores antropogênicos e climáticos que atuam em diversas escalas espaço-temporais. Este trabalho documenta os efeitos da variabilidade climática em pescarias de pequena escala de invertebrados na América Latina, com base na literatura recente. Além disso, é discutido o impacto conjunto de duas fontes adicionais: a globalização dos mercados e a governança. Foi observado que a variabilidade climática (e.g., anomalias da temperatura superficial do mar) produz impactos significativos nas pescarias de pequena escala, os quais variam em função do ciclo de vida e da distribuição geográfica das espécies-alvo, assim como nas características oceanográficas de cada região. Estas variáveis, em conjunto com fatores econômicos, tem incrementado as taxas de diminuição dos estoques pesqueiros. É destacada a necessidade de melhorar os sistema de manejo e governança para lidar com a crescente incerteza causada pelos impactos da mudança climática e da globalização dos mercados.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".