Enjeux et défis de la modernisation des sites de débarquement des produits issus de la pêche maritime artisanale à Owendo (Gabon)
Bibliographic record
Abstract
L’aménagement des pêches a pour objectif l’utilisation durable des ressources halieutiques. Il appelle notamment une intervention sur l’espace halieutique, articulé autour d’un espace de production, d’un pôle structurant et d’un espace de commercialisation. Dans cet article, nous nous intéressons aux infrastructures de pêche maritime artisanale, précisément aux sites de débarquement, qui constituent les pôles structurants de ce secteur halieutique. Nos interrogations portent sur la contribution des sites de débarquement à une gestion durable des ressources halieutiques, dans un contexte marqué par une carence en infrastructures et un sous-équipement généralisé de celles qui existent. Aussi, analysons-nous les sites de débarquement de pêche maritime artisanale d’Owendo, au Gabon, à partir des textes réglementaires, de la documentation disponible et des enquêtes de terrain fondées sur des entretiens semi-directifs avec des pêcheurs et des responsables de l’administration des pêches à Libreville. Les résultats obtenus confirment le rôle essentiel des sites de débarquement dans la durabilité des ressources halieutiques et la viabilité de la pêche maritime artisanale au Gabon, tout en appelant à leur modernisation.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".