Attitudes and misconceptions towards sharks and shark meat consumption along the Peruvian coast
Notice bibliographique
Résumé
Misconceptions, lack of knowledge, and negative attitudes towards sharks act as barriers preventing actions required to tackle threats to shark populations, limiting the success of global shark conservation initiatives. Peru, a major player for the international trade of shark products, recently approved the 'National Action Plan for the Conservation and Management of Sharks, Rays and Chimaeras' (PAN-Tib); a guiding document for conservation initiatives aimed at these fishes. Within PAN-Tib, the assessment of Peruvians' current knowledge and attitudes towards sharks is listed as a research priority. Between June and October 2016, 2004 Peruvians were surveyed along the coast to characterize their (i) shark meat consumption patterns, and (ii) knowledge and attitudes towards sharks. Results suggest that shark meat consumption is extended, but not necessarily frequent, and higher in the northern regions of the country. However, 77.5% of shark meat consumers were unaware that they had eaten sharks. Although 57.6% of the participants recognized that sharks are present in Peruvian waters, only 19.4% of the surveyed population was capable of naming at least one local shark species. Moreover, Peruvians have very negative attitudes towards sharks. They fear them and view them as man-eaters, despite this, no shark attacks have ever been reported in the country. These results highlight the need to: (i) encourage sustainable shark meat consumption, and (ii) promote communication campaigns aimed at increasing knowledge about sharks, and their importance as a source of employment and food for coastal communities, as for the national economy.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».