Survey-Derived Angler Characteristics and Perspectives in the Shore-Based Shark Fishery in Florida
Notice bibliographique
Résumé
Abstract Shore-based shark fishing in Florida is rarely monitored as it largely occurs at night on remote beaches and has received a questionable reputation after recent exposure of illegal activity. While these events have led to calls for better management and enforcement, the characteristics of the fishery itself remain largely unknown. Our study, therefore, provides the first comprehensive profile of the Florida shore-based shark fishery to inform fisheries management and conservation. We distributed an online survey to all Florida Fish and Wildlife shore-based shark fishing permit holders to gather data on angler sociodemographics, fishing preferences, habits, motivations, and perceptions of shark conservation. We identified three angler typologies that differed primarily by shark fishing experience and frequency: (1) experienced infrequent anglers, (2) skilled frequent anglers, and (3) novice infrequent anglers. Our results revealed that the Florida recreational shore-based shark fishery itself has increased in participation fivefold since 2010 and generates approximately US$7.8 million (95% CI = $7.2– 8.5 million) annually in equipment expenditures and $34.3 million ($30.4–38.1 million) annually in fishing trips. Surveyed anglers caught a total of 9,617 sharks within a 12-month period, averaging 11 sharks/angler, and the most preferred target species was the Blacktip Shark Carcharhinus limbatus. Angler motivations for participating in this fishery were grouped into the following categories: leisure and well-being, experience of the catch, and consumption. Perceptions of shark conservation and management were generally positive; however, many anglers did not believe that recreational fishing negatively impacts shark populations. Most anglers expressed a desire to learn more about handling practices that benefited sharks, which may help managers implement more educational opportunities and communication efforts. Understanding the characteristics and perspectives of anglers from the shore-based shark fishery in Florida is crucial for highlighting potential management pathways and estimating angler acceptance of management.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».