Closing the feedback loop: on stakeholder participation in management strategy evaluation
Notice bibliographique
Résumé
Management strategy evaluation (MSE) is a simulation-based approach to examine the efficacy of management options in achieving fishery-, ecosystem-, and socioeconomic-related objectives while integrating over system uncertainties. As a form of structured decision analysis, MSE is amenable to stakeholder involvement, which can reduce implementation barriers associated with nontransparent decision-making procedures. Based on analysis of three MSE processes (Atlantic tunas (Thunnus spp.), Atlantic herring (Clupea harengus), and eastern oysters (Crassostrea virginica)), we provide suggestions for improving stakeholder engagement in MSE. By assembling a workgroup and modeling team with diverse backgrounds, including professional facilitators, communication liaisons, and social scientists, dialogue can be improved and an atmosphere of mutual learning fostered. Communication further benefits from clearly defining roles, responsibilities, and terms of engagement for all involved; explicitly and transparently identifying goals and objectives of the MSE before modeling has begun; and, when appropriate, revisiting goals and objectives throughout the MSE process. Although MSEs are not without limitations, the participatory modeling framework, wherein stakeholders are actively engaged at each stage of MSE development, provides a useful mechanism to support fisheries management.
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 | 0,433 | 0,518 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,019 |
| Communication savante | 0,017 | 0,023 |
| Science ouverte | 0,005 | 0,035 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».