Social networks and seafood sustainability governance: Exploring the relationship between social capital and the performance of fishery improvement projects
Notice bibliographique
Résumé
Abstract In the early 2000s, the sustainable seafood movement put forward the concept of fishery improvement projects (FIP), a structured multi‐stakeholder approach to address environmental challenges in a fishery and aims to use the power of the market to incentivize change. The intent of the FIP model is to allow fisheries that currently do not meet the MSC standard to maintain market access while working on credible improvements. As such, FIPs have become a widely promoted approach to sustainable fisheries and have proliferated around the globe. Based on recent research assessing the impact of FIPs and testing various FIP attributes and their link to FIP performance, it seems that the FIP model may be delivering on its promise overall. However, the impact of FIP are at best based correlation rather than causation, with only few FIP attributes having been measured consistently over a significant period of time. In this theoretical contribution, we bring attention to one attribute of FIPs: the structure of their social network and its implication for social capital and successful collective action. We start by describing FIPs as projects located at the intersection of environmental governance networks and value chain network governance. Secondly, we demonstrate FIPs as complex social networks and the link between network attributes and FIP progress through the concept of social capital. Thirdly, we present the method of social network analysis and relevant network attributes to understand and characterize how FIPs work better. Finally, we suggest opportunities for further research and integration of this approach in planning and designing FIPs. Through this work, we wish to bring attention to one type of FIP attributes that is currently not explicitly being taken into account to current FIP practitioner and researchers. A free Plain Language Summary can be found within the Supporting Information of this article.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».