Korte ketens in de visserij : Een verkenning van bestaande initiatieven, lessen en kansen
Bibliographic record
Abstract
Binnen de visserij is het aanbod en inzicht in korteketeninitiatieven tot op heden beperkt en gefragmenteerd, waardoor systematisch leren en mogelijkheden tot opschalen uitblijven.Deze nulmeting inventariseert bestaande en eerdere korteketeninitiatieven in Nederland en het buitenland, analyseert de geleerde lessen en schetst kansen voor de Nederlandse visserijsector.Hiermee is een kennisbasis gelegd voor gerichte vervolgonderzoeken.Onder andere in het kader van het Programma Praktijkkennis voor Voedsel en Groen (PVG) vanuit NWO-SIA (z.d.) en de subsidieregeling Vernieuwingen in de visserij-en aquacultuurketen vanuit het EMFAF (RVO, 2025) wordt gewerkt aan het versterken van toekomstbestendige bedrijfsmodellen in de Nederlandse visserij.Het ministerie van Landbouw, Visserij, Voedselzekerheid en Natuur (LVVN) heeft behoefte aan beter inzicht in de rol en potentie van korte ketens binnen de Nederlandse visserijsector.Specifiek is er vraag naar een overzicht van bestaande en eerdere initiatieven, de geleerde lessen en mogelijke aanknopingspunten met ontwikkelingen in andere sectoren zoals de landbouw.Binnen het Onderzoeksprogramma Transitie Visserij (OPTV) is het thema korte ketens benoemd als relevant voor toekomstbestendige bedrijfsmodellen.Omdat een actueel en systematisch overzicht ontbreekt, is in overleg met Regieorgaan SIA besloten een verkennende Kennisdesk-studie als een soort van eerste startpunt of noem het nulmeting uit te voeren.Deze factsheet bundelt de beschikbare kennis over korte ketens in de visserij en brengt kansen en leemtes in kaart.Ze vormt het resultaat van deze studie.Het uiteindelijke doel is aanbevelingen te geven voor vervolgonderzoek, richting het nationaal visserijbeleid en de visserijsector zelf om het verdienvermogen van de visserij te kunnen versterken. .Samenvatting S1.Kernvraag Deze deskstudie heeft tot doel om de lessen en kansen van korteketeninitiatieven voor de visserij inzichtelijk te maken, waarbij er antwoord wordt gegeven op de volgende vragen:1. Welke korteketeninitiatieven in de visserij zijn er in Nederland (geweest)?2. Welke korteketeninitiatieven in de visserij zijn er in het buitenland (geweest)?3. Wat kunnen we leren van eerder opgezette korteketeninitiatieven in de visserij?Waar liggen kansen? 4. Wat kunnen we leren van korteketeninitiatieven in andere sectoren in Nederland? 5. Waar liggen nog verdere vragen voor vervolgonderzoek vanuit NWO-SIA?S2.Kernboodschap De deskstudie toont aan dat korteketeninitiatieven in de Nederlandse visserij volop kansen bieden (tabel 1).
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.020 | 0.012 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.055 | 0.012 |
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".