Economische ontwikkelingen kottervisserij
Bibliographic record
Abstract
AchtergrondIn deze notitie is de rapportage over de kottervisserij voor de Europese datacollectie (zie visserijincijfers.nl),waarin gegevens op jaarbasis worden gerapporteerd, uitgebreid met schattingen van kosten en baten op maandbasis.Voor deze schattingen zijn gegevens over vangsten, visprijzen en inspanning van de vloot (van RVO ontvangen), en de economische gegevens van kotters uit het Bedrijveninformatienet gebruikt, volgens de methodiek zoals beschreven in van Oostenbrugge et al.(2022). 1 De gasolie-en visprijzen worden tweemaal per jaar op weekbasis verzameld en verwerkt vanuit de Informatienet-data.Voor de schatting van het gasolieverbruik wordt gebruikgemaakt van de informatie over de visserijinspanning per type visserij.Deze notitie is de tweede in een reeks van drie notities (over het jaar 2023, 2 het jaar 2024, en de eerste helft van 2025) waarin een inschatting van de meest actuele effecten van trends in prijzen en inspanning op de economische prestaties van de kottervisserij wordt gemaakt en bevat de ontwikkelingen tot eind 2024.Doordat er schattingen per maand worden gegeven is er meer inzicht in veranderingen in prijzen en gedrag door het jaar heen, waarmee ook de seizoenspatronen in de verschillende visserijen beter inzichtelijk zijn. LeeswijzerIn hoofdstuk 2 staan de belangrijkste economische data van de actieve kotters 3 over 2024, met in paragraaf 2.1 een eerste uitsplitsing naar visserijmethode (garnalen-, boomkor-, flyshoot-en bordentrawlvisserij) en in paragraaf 2.2 naar pk-klasse (1-260 pk, 261-300 pk, 301-800 pk, 801-1.500pk en 1.501-2.000pk).In paragraaf 2.3 en 2.4 staan voor de verschillende combinaties van pk-klassen en visserijmethoden het aantal actieve kotters en de aanlandhoeveelheden.Een kotter wordt als actief gedefinieerd bij een minimale jaarlijkse aanlandwaarde van € 50.000 (visserijincijfers.nl).Om privacyredenen is ervoor gekozen om geen andere
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.301 | 0.083 |
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".