Is there a need for a ‘100 questions exercise’ to enhance fisheries and aquatic conservation, policy, management and research? Lessons from a global 100 questions exercise on conservation of biodiversity
Notice bibliographique
Résumé
Recent global and regional exercises have been undertaken to identify 100 questions of relevance to policy makers that, if answered, would improve decision making and conservation actions. These were intentionally broad, but all included themes and questions of relevance to aquatic and fisheries professionals (e.g. exploitation, habitat alteration, effectiveness of protected areas, migratory connectivity and environmental effects of aquaculture). Here, the content of the global 100 question exercise relevant to aquatic and fisheries issues is summarized and a critical analysis is provided. Many of the questions addressed in apparently unrelated themes and topics (e.g. terrestrial, agriculture and energy policy) have potential relevance to fisheries and aquatic habitats, which underlines the connectivity between terrestrial and aquatic realms. Given the intimate link between aquatic environmental problems and human activities (including culture and economics), greater understanding of the human dimension is required to inform decision making. Stakeholder perspectives need to be included as a core component of the fisheries management triangle (i.e. managing fish, habitat and people). The benefits and risks of conducting a global 100 questions exercise with an exclusive focus on questions of relevance to fisheries and aquatic practitioners are also considered. There is no question that evidence-based approaches to conservation are essential for addressing the many threats that face aquatic ecosystems and reverse the imperilment trends among ichthyofauna. It is still unclear, however, as to the extent to which 100 questions exercises will help to achieve conservation and management targets for aquatic resources. A global 100 questions exercise that focused on fisheries and aquatic issues would certainly help to generate interest and awareness sufficient to justify such an exercise.
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 | 0,124 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,048 |
| Communication savante | 0,029 | 0,055 |
| Science ouverte | 0,005 | 0,030 |
| Intégrité de la recherche | 0,021 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,006 |
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 ».