MétaCan
Menu
Retour à la cohorte
Enregistrement W2790482522 · doi:10.1139/facets-2016-0078

Criteria for a good catch: A conceptual framework to guide sourcing of sustainable salmon fisheries

2018· article· en· W2790482522 sur OpenAlexaffvenue
Nick Gayeski, Misty MacDuffee, Jack A. Stanford

Notice bibliographique

RevueFACETS · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensRaincoast Conservation Foundation
Organismes subventionnairesnon disponible
Mots-clésStewardship (theology)SustainabilityFisheries scienceConceptual frameworkFisheries managementFisheryBusinessEnvironmental resource managementPopulationCertificationEnvironmental planningGeographyEcologyPolitical scienceEconomicsFishingSociologyPoliticsBiologyManagement

Résumé

récupéré en direct d'OpenAlex

The identification of sustainably managed fisheries is problematic for marketers and consumers of Pacific salmon food products owing to lack of well-defined and robust criteria that take into account current ecosystem science of salmon. We present the rationale for an alternative conceptual framework for salmon management that supports the development of sustainable sourcing criteria. Our approach contrasts with current large-scale fisheries certification programs such as that of the Marine Stewardship Council (MSC) and general consumer recommendation services such as Monterey Bay Aquarium’s Seafood Watch (SFW) program. Our framework is based on the “place-based” character of salmon populations and recognition of fundamental aspects of salmon ecology, particularly the evolution of population life histories that are locally adapted to freshwater spawning and rearing habitats. We describe how this framework underpins development of science-based sourcing criteria and how it differs in important respects from the industrial approach that historically and currently is the basis for most salmon management. We conclude with a discussion of how the framework and its application may provide a model for redirecting salmon management, in general, towards a more science- and place-based approach and why that is likely to be sustainable in the long term in a way that most contemporary salmon management is not.

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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,999

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,278
Écart entre enseignants0,259 · 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

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetFish Ecology and Management StudiesTravaux en français237 207