MétaCan
Menu
← Retour à la cohorte
Enregistrement W2900286048 · doi:10.1139/cjfas-2018-0125

Integrating management strategy evaluation into fisheries management: advancing best practices for stakeholder inclusion based on an MSE for Northeast US Atlantic herring<sup>,</sup>

2018· article· en· W2900286048 sur OpenAlexvenueno aff
Rachel Gallant Feeney, Deirdre Boelke, Jonathan J. Deroba, Sarah Gaichas, Brian J. Irwin, M. Lee

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNational Marine Fisheries ServiceMIT Sea Grant, Massachusetts Institute of TechnologyNational Oceanic and Atmospheric AdministrationU.S. Fish and Wildlife ServiceMcKnight Foundation
Mots-clésStakeholderHerringClupeaInclusion (mineral)Fisheries managementBest practiceFisheryPreparednessProcess (computing)BusinessEnvironmental resource managementPublic relationsComputer scienceFish <Actinopterygii>EconomicsPolitical scienceSociologyFishingManagement

Résumé

récupéré en direct d'OpenAlex

The New England Fishery Management Council used management strategy evaluation (MSE) to evaluate possible harvest control rules for Atlantic herring (Clupea harengus), the first MSE in the US and perhaps globally to use open-invitation, public workshops for input. Stakeholder inclusion can increase both realism and likelihood of use by managers, but inclusivity is not achieved easily. Here, self-selected participants had diverse backgrounds and differing levels of interest and preparedness. We describe some challenges with directly engaging the public in MSE and offer broader insights for obtaining effective public participation during a decision-making process. Conducting an open MSE aligns well with publicly driven management but requires clear goals and communication. Investment in effective organizers, impartial facilitators, and knowledgeable analysts can improve communication and understanding of MSE to the betterment of fisheries management. We aim to further MSE best practices on integrating stakeholders and hope that our lessons learned on communication, engagement, and integration of MSE into an existing management arena will be useful to other practitioners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,107
score de la tête « metaresearch » (Gemma)0,110
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,567

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1070,110
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,005
Communication savante0,0080,006
Science ouverte0,0020,014
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,067
Tête enseignante GPT0,312
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→