MétaCan
Menu
Retour à la cohorte
Enregistrement W3183901730 · doi:10.1111/conl.12827

Decadal changes in international advocacy toward the conservation of highly migratory fishes

2021· article· en· W3183901730 sur OpenAlexaff
Laurenne Schiller, Graeme Auld, Hussain Sinan, Megan Bailey

Notice bibliographique

RevueConservation Letters · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensCarleton UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTunaFisheries managementFisheryBusinessPelagic zoneStock (firearms)Environmental resource managementMarine protected areaPolitical scienceEnvironmental planningGeographyEconomicsEcologyFish <Actinopterygii>HabitatBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Highly migratory fishes, such as tunas, present conservation challenges because their ranges span the high seas and jurisdictional waters of coastal states. Governments are mandated to manage tuna fisheries through Regional Fisheries Management Organizations (RFMOs), so RFMO meetings have subsequently become one focal point for non‐governmental organizations (NGOs) seeking to influence the management process. Here we ask: how have the agendas of NGOs at RFMO meetings changed over time and where are they currently most effective at reforming tuna fisheries management? We systematically analyzed 216 advocacy statements submitted by NGO observers to RFMOs from 1999–2019 and interviewed 26 meeting attendees. We find that target tuna stock management measures accounted for over 20% of total advocacy over time and there has been a 26‐fold increase in calls for science‐based harvest strategies since 2010. We also find that 77% of policymakers were receptive to RFMO advocacy, but 57% of interviewees believe the most effective way to influence RFMO decisions was through engagement external to RFMO meetings. Relations between industry and environmental NGO observers are also improving due to sustainable seafood movement collaborations and we suggest these emerging cross‐sectoral partnerships could substantially improve the management of pelagic species if their efforts remain credible and transparent.

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 enseignants0,201
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,246
Écart entre enseignants0,222 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation LettersMême sujetMarine and fisheries researchTravaux en français237 207