MétaCan
Menu
Retour à la cohorte

Is Adaptive Management Helping to Solve Fisheries Problems?

2007· article· en· W2178255059 sur OpenAlexaff
Carl J. Walters

Notice bibliographique

RevueAMBIO · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAdaptive managementGreat barrier reefPlan (archaeology)Scale (ratio)Work (physics)Fisheries managementRisk analysis (engineering)Resource management (computing)Management scienceComputer scienceResource (disambiguation)Natural resource managementNatural resourceFish <Actinopterygii>Environmental resource managementBusinessEnvironmental planningOperations researchPolitical scienceFisheryEngineeringEconomicsFishingGeographyReefLaw

Résumé

récupéré en direct d'OpenAlex

Adaptive management has been widely recommended as a way to deal with extreme uncertainty in natural resource and environmental decision making. The core concept in adaptive management is that policy choices should be treated as deliberate, large-scale experiments; hence, policy choice should be treated at least partly as a problem of scientific experimental design. There have now been upwards of 100 case studies where attempts were made to apply adaptive management to issues ranging from restoration of endangered desert fish species to protection of the Great Barrier Reef. Most of these cases have been failures in the sense that no experimental management program was ever implemented, and there have been serious problems with monitoring programs in the handful of cases where an experimental plan was implemented. Most of the failures can be traced to three main institutional problems: i) lack of management resources for the expanded monitoring needed to carry out large-scale experiments; ii) unwillingness by decision makers to admit and embrace uncertainty in making policy choices; and iii) lack of leadership in the form of individuals willing to do all the hard work needed to plan and implement new and complex management programs.

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)0,018
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,020
Communication savante0,0080,014
Science ouverte0,0030,006
Intégrité de la recherche0,0100,006
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,027
Tête enseignante GPT0,255
Écart entre enseignants0,228 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations277
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetMarine and fisheries researchTravaux en français237 207