Rapidly increasing eco‐certification coverage transforming management of world’s tuna fisheries
Notice bibliographique
Résumé
Abstract Tuna support some of the world's largest, most valuable and spatially extensive fisheries, but effective management has been challenging due to their transboundary movements and the need for multilateral decision‐making. To address public concerns of over‐exploitation, fishing companies have sought to differentiate themselves through involvement in “sustainable seafood” eco‐certification programmes. Here, we show that the volume associated with such initiatives for tuna increased 237‐fold between 2007 and 2019. Today, 2.31 million tonnes (47%) of the global tuna catch comes from fisheries holding or seeking Marine Stewardship Council eco‐certification. This is due to a 57‐fold increase in the number of fisheries engaged in the eco‐certification process. Crucially, this growth is also correlated with a concurrent 14‐fold increase in the adoption of harvest strategies by Regional Fisheries Management Organizations (RFMOs). Semi‐structured interviews with a broad range of RFMO stakeholders corroborate that the rapid uptake of harvest strategies is largely attributable to pressure from fishing companies needing to meet eco‐certification requirements; over 90% of respondents had directly observed or speculated on this type of advocacy. These results suggest the tuna fishing industry and associated seafood supply chain actors are now playing an unprecedented role in shaping the international governance of these species.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».