MétaCan
Menu
Retour à la cohorte

The Role of Recreational Fishing in Global Fish Crises

2004· article· en· W2173345986 sur OpenAlexfundaboutno aff
Steven J. Cooke, I. G. Cowx

Notice bibliographique

RevueBioScience · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaU.S. Department of Commerce
Mots-clésFishingRecreationRecreational fishingFisherySustainabilityFish stockGeographyFisheries managementCommercial fishingNatural resource economicsBusinessEcologyBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Exploitation of fishery resources has become a major conservation issue on a global scale. Commercial fisheries have been repeatedly blamed for the worldwide declines in fish populations. However, we contend that the recreational fishing sector also has the potential to negatively affect fish and fisheries. Here we present evidence to show that both recreational and commercial fishing sectors deserve consideration as contributors to the exploitation of fish in marine and inland waters. The lack of global monitoring and compiling of statistics on recreational fishing participation, harvest, and catch-and-release has retarded our ability to understand the magnitude of this fishing sector. Using data from Canada, we estimate that the potential contribution of recreational fish harvest around the world may represent approximately 12 percent of the global fish harvest. Failure to recognize the potential contribution of recreational fishing to fishery declines, environmental degradation, and ecosystem alterations places ecologically and economically important resources at risk. Elevating recreational fishing to a global conservation concern would facilitate the development of strategies to increase the sustainability of this activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations839
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioScienceMême sujetMarine and fisheries researchTravaux en français237 207