Overturning stereotypes: The fuzzy boundary between recreational and subsistence inland fisheries
Notice bibliographique
Résumé
Abstract Inland recreational fisheries provide numerous socio‐economic benefits to fishers, families and communities. Recreationally harvested fish are also frequently consumed and may provide affordable and sustainable but undervalued contributions to human nutrition. Quantifying the degree to which recreationally harvested fish contribute to food security and subsistence is impeded by lack of data on harvest and consumption and by the difficulty in differentiating among recreational and subsistence fisheries. Recreational harvest records tend to be limited to wealthy, food‐secure countries and well‐monitored fisheries with clear regulations or permitting systems. These records often neglect components of recreational harvest among food‐insecure fishers who are potentially more likely to have consumption as a motivation. Here, we highlight the ‘fuzzy boundary’ that can exist between inland recreational and subsistence fisheries and argue that unreported consumption is likely to be a hidden contributor to food security in some populations. We draw on local case studies from around the world to highlight specific instances where recreationally harvested fish species contribute food and subsistence benefits to participating communities. We use these examples to highlight the diversity of ways that inland recreational fisheries contribute to human nutrition, knowledge gaps in understanding recreational fishing for food, and consequences of not accounting for them as food fisheries in policy and management. The aim of this paper is to draw the attention of resource managers and policy makers, create greater social awareness of the importance of recreational fisheries and bring to light this hidden contribution of inland fisheries to nutrition and subsistence.
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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».