MétaCan
Menu
Retour à la cohorte
Enregistrement W3112497804 · doi:10.1111/faf.12529

Fisher behaviour in coastal and marine fisheries

2020· article· en· W3112497804 sur OpenAlexaff
Evan J. Andrews, Jeremy Pittman, Derek Armitage

Notice bibliographique

RevueFish and Fisheries · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceTypologyContext (archaeology)FisheryEmpirical researchFisheries managementEnvironmental resource managementBusinessEconomicsGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract This research systematically reviews fisher behaviour in coastal and marine fisheries. Fisher behaviour refers to individual and group level action that reflects the psychological processing and social exchange of information in fisheries. Fisher behaviour is poorly conceptualized and explained in fisheries research, and the implications of fisher behaviour for governance outcomes remain uncertain. To address this gap, we present a systematic scoping review of peer‐reviewed literature ( n = 104 journal articles published from 2012 to 2017). Results highlight a typology of fisher behaviour and reveal insights into behavioural types and their explanations commonly used in conceptual and empirical models. This research reveals three major implications for governance. First, researchers can strengthen recommendations for governance by examining fisher behaviours as multilevel and multiscale phenomena. Second, researchers in governance can improve capacities to anticipate behavioural change with theoretical models that prioritize psychosocial variables, and interdisciplinary empirical research on the extrinsic factors that shape the fishers’ psychosocial responses to change in a local context. Third, social and policy sciences research is needed to reveal the governance barriers and opportunities for using new models that incorporate fisher behaviour to develop, implement and evaluate fisheries policies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,178
Écart entre enseignants0,167 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207