Commercial fisher perceptions illuminate a need for social justice considerations in navigating climate change impacts on fisheries systems
Notice bibliographique
Résumé
Climate change will amplify stress on marine systems already challenged by conflicts and inequities relating to fisheries access, management decisions, and ocean uses across sectors. Understanding how those most connected to fisheries perceive the risks associated with climate change is critical to developing effective responses and establishing management priorities. Adaptation planning efforts may be hindered by perceptions of unequal or unfair distribution of resources and the processes in place to manage them. In contrast, adaptation planning that is more inclusive, transparent, and addresses social dimensions and perceptions of fisheries is more likely to garner support from fishers and fishing communities broadly. We elicited fisher perceptions of climate change impacts on fisheries, and responses to these impacts, through an online survey of commercial fishers in Canada’s Pacific region. The survey highlights substantial concern for climate change, the impacts it will have on fishers’ livelihoods and well-being, and some of the key challenges that may interfere with the ability of fishers and fisheries management to adapt. We frame the findings of the survey drawing from concepts of social justice, focusing on distributive and procedural justice, as necessary considerations, and context for climate change adaptation planning. Developing plans and processes to respond to climate change impacts on fisheries requires not only understanding ecological impacts and challenges, but also the social and institutional considerations that could help or hinder efforts to respond effectively and equitably to a changing ocean.
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 | 0,001 | 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».