The future of ocean governance
Notice bibliographique
Résumé
Ocean governance is complex and influenced by multiple drivers and actors with different worldviews and goals. While governance encompasses many elements, in this paper we focus on the processes that operate within and between states, civil society and local communities, and the market, including industry. Specifically, in this paper, we address the question of how to move towards more sustainable ocean governance aligning with the sustainable development goals and the UN Ocean Decade. We address three major risks to oceans that arise from governance-related issues: 1) the impacts of the overexploitation of marine resources; 2) inequitable distribution of access to and benefits from marine ecosystem services, and 3) inadequate or inappropriate adaptation to changing ocean conditions. The SDGs have been used as an underlying framework to develop these risks. We identify five drivers that may determine how ocean governance evolves, namely formal rules and institutions, evidence and knowledge-based decision-making, legitimacy of decision-making institutions, stakeholder engagement and participation, and empowering communities. These drivers were used to define two alternative futures by 2030: (a) ‘Business as Usual’ - a continuation of current trajectories and (b) ‘More Sustainable Future’ – optimistic, transformational, but technically achievable. We then identify what actions, as structured processes, can reduce the three major governance-related risks and lead to the More Sustainable Future. These actions relate to the process of co-creation and implementation of improved, comprehensive, and integrated management plans, enhancement of decision-making processes, and better anticipation and consideration of ambiguity and uncertainty.
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 | 0,000 |
| Science ouverte | 0,000 | 0,017 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».