It’s Just Conservation: To What Extent Are Marine Protected Areas in the Irish Sea Equitably Governed and Managed?
Notice bibliographique
Résumé
It is not enough to simply designate a protected area. According to the Convention on Biological Diversity’s Aichi Target 11, these sites should be governed and managed effectively and equitably. Equitable (i.e., fair and inclusive) conservation is vital to ensuring effective protection of natural resources while maintaining human well-being. Yet, equity tends to be overlooked in protected area assessments. Three marine protected areas (MPAs) in Great Britain, Northern Ireland, and the Republic of Ireland were selected to assess equitable governance and management in the Irish Sea. This is one of the first studies to assess equity across multiple stakeholder groups in MPAs. The Site-level Assessment for Governance and Equity (SAGE) toolkit, developed by the International Institute for Environment and Development (IIED) to address the gap in equity assessments, was used to evaluate equitable governance and management in these MPAs. Based on the three dimensions of equity (recognition, distribution, and procedure), SAGE contains Likert-scale questions to assess good governance by evaluating how different stakeholder groups perceive their protected area’s management and how included they feel in decision-making. Quantitative data from SAGE is complemented by qualitative data from semi-structured interviews with stakeholders to understand the impact MPA management has on local communities and MPA users. The results of this study reveal a lack of communication between MPA authorities and local stakeholders. They highlight the need for co-management in the form of inclusive partnerships as an alternative to the current top-down governance approach favoed in the United Kingdom and Ireland.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,013 |
| 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 ».