Addressing ecosystem effects of fishing using marine protected areas
Notice bibliographique
Résumé
This article is a synthesis of the current literature on the potential of marine protected areas (MPAs) a useful management tool for limiting the ecosystem effects of fishing, including biological and socio-economic aspects. There is sufficient evidence that fishing may negatively affect ecosystems. Modelling and case studies show that the establishment of MPAs, especially for overexploited populations, can mitigate ecosystem effects of fishing. Although quantitative ecosystem modelling techniques incorporating MPAs are in their infancy, their role in exploring scenarios is considered crucial. Success in implementing MPAs will depend on how well the biological concerns and the socio-economic needs of the fishing community can be reconciled. Cet article fait la synthèse de la littérature sur la possibilité d'utiliser les zones marines protégées (MPAs) comme outils de gestion afin de limiter les effets de la pêche sur les écosystèmes, en incluant les aspects biologiques et socio-économiques. La littérature fournit suffisamment d'évidences à l'effet que la pêche peut avoir un effet négatif. Les MPAs établies dans divers habitats à travers le monde ainsi que les modélisations montrent que MPAs offrent une certaine protection contre ces effets négatifs. Les techniques quantitatives de modélisation des écosystèmes, bien que cruciales pour l'exploration de scénarios de gestion, n'en sont encore qu'à leurs débuts et mériteraient encore plus d'attention. Finalement, le succès des MPAs dépendra de la manière dont on réussira à allier les aspects biologiques et les intérêts socio-économiques.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».