Exploring ecosystem‐based management in the North Atlantic
Notice bibliographique
Résumé
The United States, the EU and Canada established a trilateral working group on the ecosystem approach to ocean health and stressors under the Atlantic Ocean Research Alliance. Recognizing the Atlantic Ocean as a shared resource and responsibility, the working group sought to advance understanding of the Atlantic Ocean and its dynamic systems to improve ocean health, enhance ocean stewardship and promote the sustainable use and management of its resources. This included consideration of multiple ocean-use sectors such as fishing, shipping, tourism and offshore energy. The working group met for 4 years and worked through eight steps that covered the development of common language as a basis for collaboration, challenges of stakeholder engagement, review of the governance mandates, exploring the links between sectors and ecosystems effects, identifying gaps in knowledge and uptake of science, identification of tools for ecosystem-based management, customary best practice for tool development and communication of key research priorities. The key findings were that ecosystem-based management enables new benefits and opportunities, and that we need to make the business case. Further findings were that adequate mandates and effective tools exist for ecosystem-based management, and that ecosystem-based management urgently requires integration of human dimensions, so we must diversify the conversation. In addition, it was found that stakeholders do not see their stake in ecosystem-based management, so greater engagement with stakeholders and targeting of ocean literacy is required and a sustainable future requires a sustained investment in ecosystem-based management, so long-term commitment is key.
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 | 0,001 | 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 | 0,001 |
| 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 ».