Adapting to Regional Enforcement: Fishing Down the Governance Index
Notice bibliographique
Résumé
BACKGROUND: Illegal, Unreported and Unregulated (IUU) fishing is a problem for marine resource managers, leading to depletion of fish stocks and negative impacts on marine ecosystems. These problems are particularly evident in regions with weak governance. Countries responsible for sustainable natural resource management in the Southern Ocean have actively worked to reduce IUU fishing in the region over a period of 15 years, leading to a sequence of three distinct peaks of IUU fishing. METHODOLOGY/PRINCIPAL FINDINGS: We reviewed existing public records relating to IUU fishing in the Southern Ocean between 1995-2009 and related this information to the governance capacity of flag states responsible for IUU vessels. IUU operators used a number of methods to adapt to enforcement actions, resulting in reduced risks of detection, apprehension and sanctioning. They changed fishing locations, vessel names and flag states, and ports for offloading IUU catches. There was a significant decrease in the proportion of IUU vessels flagged to CCAMLR countries, and a significant decrease in the average governance index of flag states. Despite a decreasing trend of IUU fishing, further actions are hampered by the regional scope of CCAMLR and the governance capacity of responsible states. CONCLUSIONS/SIGNIFICANCE: This is the first study of long-term change in the modus operandi of IUU fishing operators, illustrating that IUU operators can adapt to enforcement actions and that such dynamics may lead to new problems elsewhere, where countries have a limited capacity. This outsourcing of problems may have similarities to natural resource extraction in other sectors and in other regions. IUU fishing is the result of a number of factors, and effectively addressing this major challenge to sustainable marine resource extraction will likely require a stronger focus on governance. Highly mobile resource extractors with substantial funds are able to adapt to changing regulations by exploiting countries and regions with limited capacity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».