Management of fisheries on forage species: the test-bed for ecosystem approaches to fisheries
Notice bibliographique
Résumé
Abstract Rice, J., and Duplisea, D. 2013. Management of fisheries on forage species: the test-bed for ecosystem approaches to fisheries. – ICES Journal of Marine Science, 71: . In the 1970s and 1980s, core ideas about management of fisheries on forage species emerged from work on the dynamics of foodweb models and multispecies assessments, leading to proposals for management that took some account of the role of forage species in marine ecosystems. Key developments in those years are summarized in the first part of this paper. From the 1980s to the 2000s, studies of the response of forage species to environmental variation brought into question the robustness of management strategies for forage species. As a result, additional management strategies were proposed to accommodate environmental drivers as well as dependent predators. The paper reviews these developments. This paper brings these separate lines together in a systematic framework for evaluating the performance of six different management strategies for forage species, relative to four different ecosystem considerations, as well as relative to the contribution of forage fisheries to economic prosperity and food security. The tabulated outcomes synthesize primary and secondary literature and meeting deliberations as the application of an ecosystem approach to management has evolved. No strategy is optional for all forage fisheries. As experience accumulates, the guidance in the tables comprising the framework will improve.
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 | 0,033 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».