Managing fisheries well: delivering the promises of an ecosystem approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The four general components of an ecosystem approach to fisheries (EAF) are reviewed. In taking account of environment forcing in stock dynamics, arguments are presented that effects of environmental forcing on growth, maturation and natural mortality are often more important to management than effects on recruitment. In holding fisheries accountable for the ecosystem effects of fishing, it is argued that direct effects of fishing are generally known and can be managed. However, interactions among fisheries and between fisheries and other sectors pose difficult challenges to equitable decisions in managing these impacts, and many traditional incentives function differently in EAF than in target‐stock management. Achieving inclusiveness in decision‐making and stewardship is also made more complex in EAF, because of the much larger number of interests with a legitimate role in decision‐making. As a result, integrated management (IM) becomes a necessary component of EAF, although EAF and IM are not interchangeable concepts. The treatment of all four components of an EAF considers the need for a balanced and stable outcome on all three dimensions of sustainability – ecological, economic and social. It also highlights that different participant groups in governance display different risk tolerances for misses (not taking conservation action when needed) and false alarms (restraining access to social or economic benefits when little ecological benefit results). These differences in tolerances for different kinds of management errors often complicate decision‐making an EAF setting and raise transaction costs greatly.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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