MétaCan
Menu
Retour à la cohorte
Enregistrement W1576617217 · doi:10.1111/j.1365-2400.2012.00848.x

Changes in angler participation and demographics: analysis of a 17‐year licence stub return system for Atlantic salmon

2012· article· en· W1576617217 sur OpenAlexaffabout
J. Brian Dempson, Martha J. Robertson, N. M. Cochrane, Michael O’Connell, Gina Porter

Notice bibliographique

RevueFisheries Management and Ecology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésDemographicsGeographySalmoFisheryResidenceRecreationDemographyScarcitySocioeconomicsFish <Actinopterygii>EcologyBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Patterns of change in angler participation and demographics were examined for the recreational Atlantic salmon, Salmo salar L., fishery in Newfoundland and Labrador, Canada. An analysis of a licence stub return system, 1994–2010, showed a significant decline in resident angler participation, but this was not consistent across all regions of the Province. Mean age of anglers increased significantly, varying from 39.0 years in 1994 to 46.5 years by 2010. In some regions, mean age rose by over 12 years since the mid‐1990s, reflecting a decline in the recruitment of younger anglers. The return rate of angler logs also declined over time and was found to vary by age, sex and area of angler residence. Women and older anglers, and those living in specific rural areas had a greater tendency to return a record of their catch history than men and younger anglers. Identified changes in participation and demographics, which can affect exploitation and ultimately abundance, could be used to develop management measures that would maximise both harvest and socio‐economic benefits to the varied users of the resource.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,445
Score d'incertitude au seuil0,884

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFisheries Management and EcologyMême sujetFish Ecology and Management StudiesTravaux en français237 207