MétaCan
Menu
Retour à la cohorte
Enregistrement W2267101653 · doi:10.1093/icesjms/fsv230

Bridging fisheries management and biodiversity conservation norms: potential and challenges of balancing harvest in ecosystem-based frameworks

2015· article· en· W2267101653 sur OpenAlexafffund
Serge M. Garcia, Jake Rice, Anthony Charles

Notice bibliographique

RevueICES Journal of Marine Science · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensSaint Mary's UniversityFisheries and Oceans Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFisheries managementEcosystemConvention on Biological DiversityFishingEnvironmental resource managementBiodiversityStock (firearms)Ecosystem managementFisheryBusinessMarine protected areaMarine ecosystemEnvironmental scienceEcologyGeographyHabitatBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Balanced harvesting has been proposed as a way for fisheries management to achieve the requirements of both the Law of the Sea Convention (LOSC)—to maintain stocks at the level at which they could produce MSY—and the Convention on Biological Diversity (CBD)—to maintain ecosystem structure and functioning. This paper examines these requirements and briefly presents four system-level relationships (spectra), representing ecosystem structures that might guide management decision-making aiming to meet both requirements. These spectra would fit in the widely accepted frameworks of the Ecosystem Approach enshrined in the CBD and adopted by FAO for Fisheries. A size spectrum, relating biomass to body length, is used as an example to illustrate its potential to support management decision-making—much like present stock-based harvest control rules—in more ecosystem-compliant fishing strategies at a sector or ecosystem level, as a complement to those currently used at a stock/population level.

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)0,075
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,396

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,051
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0060,050
Communication savante0,0210,025
Science ouverte0,0040,015
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,227
Écart entre enseignants0,205 · 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'étudeThéorique ou conceptuel
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

Citations23
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207