Increasing the uptake of multispecies models in fisheries management
Notice bibliographique
Résumé
Abstract Multispecies models have existed in a fisheries context since at least the 1970s, but despite much exploration, advancement, and consideration of multispecies models, there remain limited examples of their operational use in fishery management. Given that species and fleet interactions are inherently multispecies problems and the push towards ecosystem-based fisheries management, the lack of more regular operational use is both surprising and compelling. We identify impediments hampering the regular operational use of multispecies models and provide recommendations to address those impediments. These recommendations are: (1) engage stakeholders and managers early and often; (2) improve messaging and communication about the various uses of multispecies models; (3) move forward with multispecies management under current authorities while exploring more inclusive governance structures and flexible decision-making frameworks for handling tradeoffs; (4) evaluate when a multispecies modelling approach may be more appropriate; (5) tailor the multispecies model to a clearly defined purpose; (6) develop interdisciplinary solutions to promoting multispecies model applications; (7) make guidelines available for multispecies model review and application; and (8) ensure code and models are well documented and reproducible. These recommendations draw from a global assemblage of subject matter experts who participated in a workshop entitled “Multispecies Modeling Applications in Fisheries Management”.
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 | 0,096 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,015 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».