Pacific Salmon: Ecology and Management of Western Alaska’s Populations
Notice bibliographique
Résumé
Abstract.—The Arctic-Yukon-Kuskokwim (AYK) Salmon Research and Restoration Program explicitly recognizes the integration of human dimensions with salmon ecosystems. This paper addresses the collaborative management approach to integration by summarizing how collaborative processes work and how they influence management performance. Collaborative fishery management includes stakeholders in a number of management functions such as data collection, research, planning, design, decision-making, monitoring, evaluation, and enforcement. This approach is included in the general category of “co-management,” which refers to the sharing of authority and responsibility among government and stakeholders. Co-management is a process, rather than a tool, of management. The direct involvement of stakeholders in the planning and control of their fisheries offers the potential of improving the performance of fishery management in promoting sustainability. Realizing the potential depends on the extent to which key co-management principles are addressed. These principles relate to three management components: background conditions in the fishery, management structure, and management operations. Background conditions that affect the performance of co-management include uncertainty, history, and context. Elements of fishery structure relating to co-management performance include boundaries, scale, representation, and participation. Fishery management operations influence co-management performance through stability and flexibility, cost effectiveness, and equity. The principles underlie co-management performance through the effect they have on transaction costs and incentives. Columbia River salmon recovery provides a good example of the influence of transaction costs and uncertainty on collaborative management and resource recovery. The complexity of Columbia River Basin co-management includes scale, fragmentation, scientific uncertainty, and legacy. These variables lead to co-management research suggestions for the AYK Salmon Research and Restoration Program.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 ».