Multilevel governance and fisheries commons: Investigating performance and local capacities in rural Bangladesh
Notice bibliographique
Résumé
<p align="LEFT">This study presents a post-facto evaluation of the local capacity development processes used under co-management of fisheries and other resources of southern Bangladesh. It answers the question of how supportive were the capacity development tools used in implementing co-management. An 18 month study was conducted and six cases were investigated to understand the approaches to co-management programs used to develop local capacity. Founded in pragmatism and viewing co-management through a governance lens, a comparative case study method was used that combined both qualitative and quantitative research approaches for data collection and subsequent analysis. This study provides empirical evidence that co-management programs have applied a number of strategies (e.g. human resource and economic development) to enhance local capacities. However, these strategies have achieved mixed results with regard to developing governance that supports livelihoods. Training provided to develop human resources and economic capacity were not useful for fishers or had little lasting effects on fisheries development due to poor monitoring and a disconnection with the needs of local users. This study concludes that comanagement can facilitate local capacity but in order to realize the full potential of this approach we must address the issues of inappropriate technologies for training, the financial barriers to fishers with low cash income, and uneven power relationships among stakeholders, to create an enabling environment for effective modern governance of the fisheries commons. Our findings indicate a needsbased approach to capacity building is needed in order to support the livelihoods of local users through co-management <h1><strong><br /></strong></h1>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».