The political ecology of gear bans in two fisheries: Florida's net ban and Alaska's Salmon wars
Notice bibliographique
Résumé
Abstract Parametric management in fisheries, which describes the management of how, where and when fishing occurs, is often essential for achieving sustainability. Changes to these parameters likely have impacts on stakeholders, however, for example through the costs and allocative consequences of spatial restrictions or gear changes. Here, I discuss two cases where gear bans have been implemented or proposed in response to conservation concerns: the commercial net ban enacted in Florida in 1995 and the failed ban on set gill‐nets in parts of Alaska. The two cases are remarkably similar, although the outcomes were quite different because of the social context of each fishery. Lessons from the Florida ban, which resulted in numerous negative social and ecological impacts, are informative regarding the impacts that likely would have accompanied the Alaska ban, had it proceeded. In both cases, the gear bans have had or were poised to have notable impacts on allocation, but scientific evidence for their necessity was limited. These cases show how ethical considerations can be inseparable from the ecological aspects of managing fisheries, and that when communities grapple with the sustainability of fisheries, they are simultaneously seeking to define the socially acceptable uses of those resources. I suggest a set of questions that can be asked when proposing parametric changes to fisheries, including how those changes will impact social well‐being and community resilience. These are questions that I argue must be addressed if both ethical and sustainable fisheries are the goal.
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 | 0,002 |
| 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) | 0,002 | 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 ».