Stakeholder Perceptions Can Distinguish ‘Paper Parks’ from Marine Protected Areas
Notice bibliographique
Résumé
While numerous Marine Protected Areas (MPA) have been created in the last decades, their effectiveness must be assessed in the context of the country’s biodiversity conservation policies and must be verified by local observations. Currently, the observations of local stakeholders, such as those from non-governmental organizations (NGOs), academics, government civil servants, journalists, and fishers, are not considered in any MPA database. The Sea Around Us has added observations from local stakeholders to address this gap, adding their perspectives to its reconstructed fisheries catch database, and to at least one MPA in each country’s Exclusive Economic Zone. It is important to pursue and incentivize stakeholder knowledge sharing to achieve a better understanding of the current level of marine protection, as this information is a valuable addition to the existing MPA databases. To address this gap, we demonstrated that personal emails containing a one-question questionnaire about the fishing levels in an MPA are an excellent way to gather data from local stakeholders, and that this works especially well for respondents in NGOs, academia, and governments. Of the stakeholders who replied to our personalized email, 66% provided us with the fishing level of the MPA that we asked for. The paper also presents how to access this information through the Sea Around Us website, which details in anonymized form the most common fishing levels for each selected MPA, as perceived or observed by different local stakeholder groups. This information is a unique and novel addition to a website that is concerned with marine conservation and contributes to a more accurate and inclusive discourse around MPAs. This information also helps to identify the gaps that need to be addressed to turn ‘paper parks’ (i.e., MPAs that are legally designated but not effective) into effective MPAs, which can contribute to climate-resilient ‘blue economies’.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».