Resilience-based steps for adaptive co-management of Arctic small-scale fisheries
Notice bibliographique
Résumé
Abstract Arctic small-scale fisheries are essential for the livelihoods, cultures, nutrition, economy, and food security of Indigenous communities. Their sustainable management in the rapidly changing Arctic is thus a key priority. Fisheries management in complex systems such as the Arctic would benefit from integrative approaches that explicitly seek to build resilience. Yet, resilience is rarely articulated as an explicit goal of Arctic fisheries management. Here, we first describe how marine and anadromous fisheries management throughout the North has used the notion of resilience through a literature review of 72 peer-reviewed articles. Second, we make a conceptual contribution in the form of steps to implement adaptive co-management that aim to foster resilience. Building on resilience-based insights from the literature review and foundational research on adaptive co-management and resilience, the steps we propose are to initiate and carry out (1) dialogue through a discussion forum, (2) place-based social-ecological participatory research, (3) resilience-building management actions, (4) collaborative monitoring, and (5) joint process evaluation. Additionally, we propose action items associated with the steps to put adaptive co-management into practice. Third, we assess two case studies, Cambridge Bay and Pangnirtung Arctic Char commercial fisheries, to explore how the five steps can help reinforce resilience through adaptive co-management. Overall, we propose novel guidelines for implementing adaptive co-management that actively seeks to build resilience within fishery social-ecological systems in times of rapid, uncertain, and complex environmental change.
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 | 0,040 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».