Taking fishers’ knowledge and its implications to fisheries policy seriously
Notice bibliographique
Résumé
Sustainable fishing is one of the most pressing challenges for mankind and requires insightful knowledge of the drivers that may foster or hinder predatory exploitation. It has been widely recognized that Indigenous and local knowledge can contribute to biodiversity conservation and sustainable use of resources, such as fisheries, worldwide. Nevertheless such knowledge continues to be marginalized and unacknowledged by a range of academic scientists and policy makers. In the present paper, we tackle this issue by discussing laws regarding closed fishing seasons, which are part of the Brazilian environmental policies for protecting marine fauna, from the perspective of artisanal fishers’ knowledge. In Brazil, these laws are typically based on governmental decisions (i.e., by administrative organizations and researchers acting as consultants) without taking fishers’ knowledge into account. Through semi-structured interviews with traditional experts of fishing villages situated along the northeast coast of Brazil, we aimed to investigate their knowledge of fish reproductive periods and analyze how it is related to the closed seasons at work in their region. We found an exact agreement between fishers’ knowledge and closed season regulations on the reproductive period of the mangrove crab (Ucides cordatus), but a conflict regarding the reproductive period of two snook species and four species of shrimps. We highlight the potential of fishers’ knowledge contributions to environmental regulations and we also explore three challenges of incorporating epistemic diversity in environmental policy. We conclude by advocating for a reflexive transdisciplinarity that highlights the potential of Indigenous and local knowledge while critically reflecting on the methodological and political challenges of transdisciplinary practices.
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 | 0,027 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,030 |
| Communication savante | 0,010 | 0,019 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».