A segurança alimentar de comunidades pesqueiras do Sudeste do Brasil: dimensões complementares e um exemplo com o robalo
Bibliographic record
Abstract
Este estudo inclui aspectos complementares da segurança alimentar através da ênfase na importância da trajetória do recurso, dentre outros. Os locais de estudo são Copacabana (Rio de Janeiro) e Paraty (RJ), bem como Bertioga (SP). Três exemplos (casos) ilustram esse estudo: 1) a escolha alimentar de populações da costa; 2) a extração de recursos marinhos considerados vulneráveis; e 3) a compreensão da biologia/ecologia dos recursos, ilustrada aqui através de dados primários sobre o robalo (Centropomus undecimalis). A escolha alimentar inclui a importância do tempo de manipulação no alimento (espécies de peixe, nesse caso). Peixes com menos espinhas são preferidos para consumo e venda; esses possuem também alta demanda no mercado. A extração de recursos vulneráveis é ilustrada através da pesca da garoupa (Epinephelus marginatus). Indivíduos imaturos de garoupa compõem a maioria da pesca de pequenas comunidades pesqueiras e demandas do mercado influenciam as decisões dos pescadores. O último caso, a extração de peixes que utilizam ambientes diversos, para reproduzir e para completar os seus ciclos de vida, é exemplificado através do peixe estuarino robalo (C. undecimalis), com base em dados primários. A importância do conhecimento sobre a reprodução de peixes no sentido de manter as comunidades pesqueiras e trabalhar na direção da segurança alimentar é uma conclusão desse estudo.
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 | 0.001 | 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".