MétaCan
Menu
Retour à la cohorte
Enregistrement W4381610706 · doi:10.1007/s11160-023-09780-9

Contribution of area-based fisheries management measures to fisheries sustainability and marine conservation: a global scoping review

2023· article· en· W4381610706 sur OpenAlexaff
Dimitra Petza, Panagiotis Anastopoulos, Stefanos Kalogirou, Marta Coll, Serge M. Garcia, Michel J. Kaiser, Nikoletta Koukourouvli, Irene Lourdi, Jake Rice, Marija Sciberras, Stelios Katsanevakis

Notice bibliographique

RevueReviews in Fish Biology and Fisheries · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesHorizon 2020University of the AegeanEuropean Commission
Mots-clésSustainabilityMarine conservationFishingFisheries managementFisheryEnvironmental resource managementFish stockStock assessmentMarine protected areaSustainable managementMarine ecosystemTerminologyStock (firearms)Environmental planningEcosystemEcologyGeographyBiologyHabitatEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract Area-based fisheries management measures (ABFMs) are commonly related to the sustainable use of resources but are increasingly considered broader conservation measures. This Scoping Review (ScR) identified and mapped the evidence base regarding the contribution of ABFMs to fisheries sustainability and marine conservation. The ScR was conducted following the JBI methodology and the PRISMA statement. A total of 2,391 documents were identified, and following a two-stage screening process, 151 documents were eventually included in the ScR for full review and data extraction. Most of the documents were published during the last 12 years. Studies had a wide geographical distribution (mainly located in Europe and North America), were primarily conducted at the subnational level, concerned fishing restrictions of towed gears, and assessed ABFMs from a single stock’s perspective. ABFMs identified were of various types, and the use of terminology was not consistent in the literature. Multiple combinations of data collection (primarily experimental surveys/sampling and open data sources) and analysis methods (most commonly, fisheries and ecological analyses and modelling) were applied (often in combination), using a variety of different metrics. Various knowledge gaps emerged, mainly related to the study of ABFMs networks and the application of an interdisciplinary and ecosystem-based approach for assessing ABFMs. The social, economic, and environmental impact of ABFMs was positive in most cases (56%) and in less cases negative (22%) or mixed (14%). This ScR is a valuable source of information for the contribution of ABFMs to rebuilding marine ecosystems and attaining CBD conservation targets through the lens of the OECM concept. Graphical abstract

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)0,022
score de la tête « metaresearch » (Gemma)0,084
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,084
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0310,028
Études des sciences et des technologies0,0010,002
Communication savante0,0060,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,322
Écart entre enseignants0,282 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReviews in Fish Biology and FisheriesMême sujetMarine and fisheries researchTravaux en français237 207