MétaCan
Menu
← Retour à la cohorte
Enregistrement W4327696184 · doi:10.1139/cjfas-2022-0260

Multi-indicator precautionary approach frameworks for crustacean fisheries

2023· article· en· W4327696184 sur OpenAlexaffvenueabout
Darrell Mullowney, Krista D. Baker

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésEnvironmental resource managementFisheries managementStock assessmentSustainable managementWork (physics)Management by objectivesStock (firearms)Fish stockManagement systemBusinessFisheryComputer scienceSustainabilityEnvironmental scienceEcologyFish <Actinopterygii>FishingOperations managementEconomicsGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Implementation of precautionary approach (PA) management systems has generally proven to be a betterment over historic management practices in sustainable use of fisheries resources. However, PA management systems can minimize the application of holistic assessment advice. Single-indicator approaches, typically featuring a measure of stock biomass or abundance, have emerged as dominant in developing methods for PA frameworks. This often leads to advice generated from these frameworks being applied within narrowly focused decision-making pathways and can minimize management application of important ancillary factors. We argue this outcome is counter to the intent of PA management systems and that multi-indicator PA frameworks are a better approach. In this analysis, we detail the multi-indicator PA system development for demonstrative case studies focused on three lucrative fisheries resources in Newfoundland & Labrador, highlighting how multi-indicator PAs are potentially a better approach for the management of stocks with a contrasting range of ecological roles, socioeconomic importance, and data quality. The work is intended to generate a discussion on how PA frameworks should evolve to best suit management purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,270

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,038
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0090,005
Études des sciences et des technologies0,0030,008
Communication savante0,0090,006
Science ouverte0,0060,008
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,260
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→