Fremtidens Fiskeri:Rapport fra Fiskerikommissionen, december 2023
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Den 16. december 2021 besluttede Folketinget at nedsætte et ekspertudvalg for fiskeri (Fiskerikommissionen) til udarbejdelse af forslag til løsning af fiskeriets strukturelle, økonomiske og miljømæssige udfordringer efter Brexit. <br/>Gennem de seneste 25 år har dansk fiskeri gennemgået en markant strukturudvikling. Både antal fartøjer og bemanding er faldet markant, samtidig med at fiskefartøjerne i gennemsnit er blevet større, og at fiskeriet er blevet mere effektivt. Men mængden af landet fisk er også faldet betragteligt, kun delvist opvejet af stigende priser. Særligt i årene efter 2009 voksede rentabiliteten mærkbart, især for de større fiskefartøjer.Imidlertid har rentabiliteten været nedadgående siden 2016 – og ud over det tab af fiskerimuligheder, som Brexit medførte – står dansk fiskeri over for en række andre udfordringer i form af bl.a. reducerede fiskebestande, kamp om pladsen på havet og voksende miljø- og klimakrav.<br/>I denne rapport har Fiskerikommissionen identificeret og analyseret disse udfordringer nærmere og peger på en række muligheder for dansk fiskeri og for samfundet generelt. I tråd med kommissionens tolkning af kommissoriet er udfordringerne og mulighederne således ikke udelukkende snævert afgrænset til fiskeri, men har også et bredere samfundsmæssigt sigte.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.009 |
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 it