MétaCan
Menu
Retour à la cohorte
Enregistrement W2791739172 · doi:10.1002/fsh.10062

The Failure of Wild Salmon Management: Need for a Place-Based Conceptual Foundation

2018· article· en· W2791739172 sur OpenAlexaff
Nick Gayeski, Jack A. Stanford, David R. Montgomery, Jim Lichatowich, Randall M. Peterman, Richard N. Williams

Notice bibliographique

RevueFisheries · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésFoundation (evidence)Environmental ethicsConceptual frameworkFisheryEnvironmental resource managementBusinessGeographyBiologyEpistemologyPhilosophyEnvironmental scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Salmon management has generally failed to rebuild depressed wild salmon populations or to manage many of them sustainably, despite a broad and growing scientific understanding of salmon ecology. We argue that to correct this failure, management policies and practices related to salmon need to become place-based. Key changes in management practices required to achieve place-based management include requiring that fishing occur closer to rivers of origin where particular populations can be identified with high precision, requiring that fishing gear be capable of releasing (with very low postrelease mortality) nontarget species and populations, and managing harvest to ensure that spawning escapements in most years exceed levels that would produce maximum sustainable yield. The scientific basis in support of place-based salmon management is clear, but implementing the required changes presents serious challenges that must be faced if the diversity and abundance of wild salmon are to be restored and if the world's wild salmon populations are to effectively cope with environmental changes imposed by climate change and continuing habitat degradation. Lessons from locations where management practices are based on a place-based conceptual foundation show how to successfully rebuild or maintain productive wild salmon populations.

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 candidatesaucune
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 enseignants0,284
Score d'incertitude au seuil0,828

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,211
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations32
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFisheriesMême sujetFish Ecology and Management StudiesTravaux en français237 207