Keeping Humans in the Ecosystem
Notice bibliographique
Résumé
Abstract The World Ocean presents many opportunities, with the blue economy projected to at least double in the next two decades. However, capitalizing on these opportunities presents significant challenges and a multi-sectoral, integrated approach to managing marine socio-ecological systems will be required to achieve the full benefits projected for the blue economy. Integrated ecosystem assessments have been identified as the best means of delivering the information upon which marine resource management decisions can be made. By their nature, these assessments are inter-disciplinary, but to date have mostly focused on the natural sciences. Inclusion of human dimensions into integrated ecosystem assessments has been lagging, but is fundamental. Here we report on a Symposium, and the articles emmanating from it that are included in this Theme Set, that address how to more effectively include human dimensions into integrated ecosystem assessments. We provide an introduction to each of the main symposium topics (governance, scenarios, indicators, participatory processes, and case studies), highlight the works that emerged from the symposium, and identify key areas in which more work is required. There is still a long way to go before we see end-to-end integrated ecosystem assessments inclusive of all the major current and potential ocean use sectors that also encompass multiple aspects of human dimensions. Nonetheless, it is also clear that progress is being made and we are developing tools and approaches, including the human dimension, that can inform management and position us to take advantage of the multi-sectoral opportunities of sustainable blue growth.
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 | 0,003 | 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 | 0,001 |
| Science ouverte | 0,002 | 0,007 |
| 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 ».