Voluntary institutions and behaviours as alternatives to formal regulations in recreational fisheries management
Notice bibliographique
Résumé
Abstract Traditional regulatory options (formal institutions) imposed by government agencies such as harvest and gear restrictions represent the standard in recreational fisheries management, at least in developed countries. However, there exist a number of alternatives including the use of angler education programmes that attempt to evoke voluntary changes in angler behaviour, resulting in the emergence of voluntarily motivated resource‐conserving informal institutions. These ‘softer’ approaches to aquatic stewardship and fisheries management can be developed in cooperation with stakeholders and in many cases are led by avid anglers and angling groups. Examples of such measures include voluntary sanctuaries, informally enforced seasonal closures, personal daily bag limits, self‐imposed constraints on gear, development of entirely live‐release fisheries, and adoption of fish and aquatic ecosystem conservation‐oriented gears and release practices. Education efforts that provide anglers with knowledge on best practices and empower them to modify their behaviour hold great promise to meet formal management goals and objectives, but seem to be underutilized relative to formal regulations. This article highlights the benefits and challenges of relying on informal institutions as alternatives to traditional regulatory options. Informal institutions that protect resources and help overfished stocks recover hold great promise in both developed and developing countries, particularly when there is a single stakeholder group or when the capacity to enforce traditional regulations or to invest in stock assessments is limited. Informal institutions may help make formal institutions more effective or can even be alternatives to costly institutions that depend on enforcement to be effective.
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 | 0,013 | 0,021 |
| 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 | 0,003 | 0,018 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».