Preparing for a changing future in recreational fisheries: 100 research questions for global consideration emerging from a horizon scan
Notice bibliographique
Résumé
Recreational fisheries hold immense ecological, social, and economic value. The management of these fisheries is increasingly important as we move forward in the Anthropocene. Recreational fisheries managers face several challenges as fisheries often involve diverse social and ecological systems comprised of complex feedback and stakeholder motivations and needs. Here, we used a horizon scanning exercise to yield 100 research questions related to recreational fisheries science and management in the Anthropocene. Initial research questions (n = 205) were collected from recreational fisheries experts (i.e., stakeholders, managers, researchers) from various sectors (i.e., industry, government, NGOs) and geographic locations (14 countries: Australia, Brazil, Canada, Czech Republic, Germany, Italy, New Zealand, Norway, South Africa, Spain, Sweden, Switzerland, United Kingdom, USA). These questions were subsequently categorized, thematized, and refined by our authorship team, eventually yielding what we considered to be the top 100 research questions of relevance to management of recreational fisheries. The key themes include: human dimensions; bioeconomics; resource monitoring and data acquisition; governance; management—regulatory actions; management—stock and habitat enhancement; catch-and-release; impacts of recreational fisheries on populations, communities and ecosystems; threats and sustainability; and angler outreach, education and engagement. It is our intention that this comprehensive and forward-looking list will create a framework to guide future research within this field, and contribute to evidence-based recreational fisheries management and policy.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».