Local Stakeholders Understand Recreational Fisheries as Social-Ecological Systems but Do Not View Governance Systems as Influential for System Dynamics
Notice bibliographique
Résumé
Recognition that there are often social and ecological components to problems that arise from management of shared resources has led to a dominant paradigm among academics that natural resource management should consider coupled social-ecological systems. For academic theory to have real-world impact it must be understood and acted upon by stakeholders at a local scale. However, it is unclear if stakeholders view their systems as coupled social-ecological systems. We interviewed key stakeholders in an inland recreational fishery to solicit their mental models of system dynamics in the context of Ostrom‘s Social-Ecological Systems Framework (SESF). We found that stakeholders in aggregate considered all components of the SESF (actors, resource systems, environmental settings, and governance systems) in their view of recreational fisheries. However, researchers viewed governance system and environmental setting components as less diverse than actor and resource system components, while anglers and managers viewed the actor component as more diverse than all other components. In addition, all stakeholders viewed governance system and environmental setting components as less influential than actor and resource system components. Given strong empirical evidence of positive relationships between the number and diversity of governance system attributes and successful fisheries outcomes, our results suggest that governance systems that prevent free riding, enforce rules through graduated sanctions, and address large scale problems at the local scale through nested institutions could improve social-ecological outcomes in inland recreational fisheries.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».