MétaCan
Menu
Retour à la cohorte
Enregistrement W4382140922 · doi:10.1139/facets-2022-0217

Co-management at a crossroads in Canada: issues, opportunities, and emerging challenges in fisheries and marine contexts

2023· article· en· W4382140922 sur OpenAlexafffundvenueabout
Trevor Swerdfager, Derek Armitage

Notice bibliographique

RevueFACETS · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIsland Studies and Pacific Affairs
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of AlbertaParks Canada
Mots-clésContext (archaeology)SituatedCorporate governanceBusinessDeclarationFisheries managementFisheries lawIndigenousResource management (computing)Environmental resource managementPolitical scienceEnvironmental planningEconomicsFishingGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Despite some progress, successful co-management in Canada has remained the exception rather than the rule, and especially so in jurisdictions not covered by a comprehensive land claims agreement. As such, our aim in this perspective is to identify and describe some of the primary factors that may impede more rapid progress toward successful co-management and to explore why they persist, with particular attention to fisheries and marine contexts. Specifically, we outline several institutional conditions that are likely to impede broader adoption of co-management approaches in Canada, including (1) antiquated and incomplete legislative arrangements; (2) a co-management policy vacuum that has not grappled with emerging expectations for co-governance; (3) relative absence of the knowledge co-production systems needed to create the precursors for successful co-management initiatives; and (4) financial and human resource capacity limitations. Such conditions must also be situated in a dynamic context that includes the United Nations Declaration of the Rights of Indigenous Peoples, ongoing reconciliation processes, and shifts in the ownership and use of fisheries and other marine resources. We offer, finally, some suggestions to augment co-management efforts and ultimately achieve its promise.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,441
Score d'incertitude au seuil0,312

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,078
Tête enseignante GPT0,295
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations12
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetIsland Studies and Pacific AffairsTravaux en français237 207