MétaCan
Menu
Retour à la cohorte
Enregistrement W2012157445 · doi:10.1111/fme.12027

Towards resilient recreational fisheries on a global scale through improved understanding of fish and fisher behaviour

2013· article· en· W2012157445 sur OpenAlexaff
Robert Arlinghaus, Steven J. Cooke, Warren M. Potts

Notice bibliographique

RevueFisheries Management and Ecology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésRecreationFishingFisheries managementRecreational fishingFisheries lawSustainabilityFisheryFisheries scienceContext (archaeology)Scale (ratio)Environmental resource managementEnvironmental planningBusinessGeographyEcologyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Despite recreational fisheries serving as a prime example of a coupled social–ecological system, much of the research on such fisheries has been monothematic in orientation and focused either on fisheries ecology or human dimensions. An attempt was made to break down some of the barriers to more interdisciplinary research on recreational fisheries at the 6 th World Recreational Fishing Conference. The overall conclusion was that future research and management efforts should increasingly focus on the feedbacks between the interacting human and ecological components of recreational fisheries. Doing so promises to improve understanding of how recreational fisheries respond to social–ecological change. In this context, the behaviour of both fishes and humans provides an important, yet often overlooked, integrator of the ecological and social components of recreational fisheries. A better understanding of the behavioural dynamics of recreational fishers as well as exploited fishes will help predict how recreational fisheries change, evolve, adapt and reorganise through time to maintain resilience and achieve sustainability on a global scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,255
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,018
Tête enseignante GPT0,216
Écart entre enseignants0,198 · 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 tête enseignante, pas un consensus.

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

Citations137
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

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