Recreational shark fishing in Florida: How research and strategic science communication helped to change policy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Sharks are taxa of significant conservation concern, and while commercial overfishing is the leading cause of population declines, recreational angling poses an increasing threat to some coastal shark populations. Here, I present a detailed case study of my role in a multi‐stakeholder process to improve policy surrounding recreational fishing for threatened sharks in Florida. While many other people including other scientists, concerned citizens, responsible conservation‐minded anglers, and environmental activists played key roles throughout this process, my scientific research and public engagement contributed significantly, and is the focus of this case study. Over the course of several years, my research documented the scope of several unnecessary angler practices that were harmful to threatened shark species. As a result of my research and stakeholder interactions, I was able to propose science‐based politically feasible policy solutions, and I strategically communicated the problem and possible solutions to policymakers, journalists, environmental activists, scientific professional societies, and the public. In July of 2019, the Florida Fish and Wildlife Conservation Commission enacted new rules for land‐based shark fishing in Florida waters, incorporating several of my proposed solutions. This case study demonstrates that through careful planning, understanding policy, developing a strategic communication plan, and networking with key stakeholders, even early career researchers can successfully help to change policy and help protect threatened species. Supplementary materials (Data S1) contain detailed background information, a timeline of events, and a diverse set of examples of my science communication.
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.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle