MétaCan
Menu
Retour à la cohorte
Enregistrement W2510616720 · doi:10.1111/fme.12191

Recommendations for the future of recreational fisheries to prepare the social‐ecological system to cope with change

2016· article· en· W2510616720 sur OpenAlexaff
Robert Arlinghaus, Steven J. Cooke, Stephen G. Sutton, Andy J. Danylchuk, Warren M. Potts, Kátia Meirelles Felizola Freire, Josep Alós, E. T. da Silva, I. G. Cowx, Raymon van Anrooy

Notice bibliographique

RevueFisheries Management and Ecology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensCarleton University
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésRecreationFisheries lawFisheries managementCorporate governanceFishingBusinessFisheries scienceScale (ratio)Environmental resource managementFisheryEnvironmental planningRecreational fishingAdaptive managementAgricultureGeographyPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents conclusions and recommendations that emerged from the 7th World Recreational Fishing Conference ( WRFC ) held in Campinas, Brazil in September 2014. Based on the recognition of the immense social and economic importance of recreational fisheries coupled with weaknesses in robust information about these fisheries in many areas of the world, particularly in many economies in transition, it is recommended to increase effort to build effective governance arrangements and improve monitoring and assessment frameworks in data‐poor situations. Moreover, there is a need to increase interdisciplinary studies that will foster a systematic understanding of recreational fisheries as complex adaptive social‐ecological systems. To promote sustainable recreational fisheries on a global scale, it is recommended the detailed suggestions for governance and management outlined in the United Nations Food and Agricultural Organization Technical Guidelines for Responsible Fisheries: Recreational Fisheries are followed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,767
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,234
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations110
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFisheries Management and EcologyMême sujetFish Ecology and Management StudiesTravaux en français237 207