Moving beyond panaceas in fisheries governance
Notice bibliographique
Résumé
In fisheries management-as in environmental governance more generally-regulatory arrangements that are thought to be helpful in some contexts frequently become panaceas or, in other words, simple formulaic policy prescriptions believed to solve a given problem in a wide range of contexts, regardless of their actual consequences. When this happens, management is likely to fail, and negative side effects are common. We focus on the case of individual transferable quotas to explore the panacea mindset, a set of factors that promote the spread and persistence of panaceas. These include conceptual narratives that make easy answers like panaceas seem plausible, power disconnects that create vested interests in panaceas, and heuristics and biases that prevent people from accurately assessing panaceas. Analysts have suggested many approaches to avoiding panaceas, but most fail to conquer the underlying panacea mindset. Here, we suggest the codevelopment of an institutional diagnostics toolkit to distill the vast amount of information on fisheries governance into an easily accessible, open, on-line database of checklists, case studies, and related resources. Toolkits like this could be used in many governance settings to challenge users' understandings of a policy's impacts and help them develop solutions better tailored to their particular context. They would not replace the more comprehensive approaches found in the literature but would rather be an intermediate step away from the problem of panaceas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,056 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,008 | 0,058 |
| Communication savante | 0,027 | 0,080 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».