Exploring the hidden connections between information channel use and pro-environmental behavior among recreational anglers of the shore-based shark fishery in Florida, United States
Notice bibliographique
Résumé
Introduction Shore-based shark fishing in Florida is a relatively low-cost and easy-access fishery which attracts a wide variety of experienced and inexperienced anglers leading to concerns about proper handling methods of captured fish that are released either voluntarily or to comply with regulations. Proper handling methods can help reduce post-release mortality among sharks, many of which are threatened with extinction. Therefore, we considered proper handling methods as a pro-environmental behavior, which has been linked with the use of different information channels to increase conservation knowledge. Methods We used data from an online questionnaire to understand where anglers of this fishery obtain information about fishing skills with a particular focus on fish handling techniques and best practices for catch-and-release. Then we included their main information channels in a series of hierarchical regression models with perceived conservation knowledge and support for fishery management to explain pro-environmental behavior regarding shark conservation. Results We found that most anglers learned about shore-based shark fishing through interpersonal communications with friends and family, but typically use the internet to learn more about fishing skills. While information channel use was not significantly associated with pro-environmental behavior, it was significantly associated with support for fisheries management, which in turn was associated with pro-environmental behavior among respondents. Discussion These findings can inform public educational outreach efforts to spread awareness of proper handling techniques and reduce instances of post-release mortality in sharks.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».