Scale issues in marine ecosystems and human interactions
Notice bibliographique
Résumé
Abstract Understanding the reciprocal interactions between humans and marine ecosystems has several fundamental difficulties, in particular compatible methodologies and different analytical scales. The issue of scale is central, as the scales chosen for studies of marine systems and human interactions can constrain recognition of the drivers and responses of these systems to global changes. The essential task is to discover how to combine social and natural science scale analyses to understand the impact of natural systems on people and the impact of people on natural systems. We identify characteristic spatial, temporal and organizational scales in marine ecosystems and human interactions, and the difficulties inherent in their cross‐disciplinary application. An approach is suggested focusing on communities of fish and fishers that makes explicit: (1) the need to manage marine resources in such a way as to encompass global to local scales; (2) recognition of the complementary nature of organizational scales between the natural and social sciences and use of appropriate natural science scales in the development of management policies; (3) the need to be aware of shifting temporal baselines and the representative nature of the data over time, for both social and natural sciences; and (4) caution regarding predictive models when humans are included. In terms of methodologies, good scale matches occur across large‐scale social and natural science models and surveys, but problems remain in small‐scale qualitative social studies and in cross‐scale studies. Cumulative case studies appear to provide the best approach, although ‘integrating up’ remains a challenge. Natural and social scientists need to work together to identify these issues of ecosystem processes and human interactions, and their appropriate scales.
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 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».