Youth recruitment and retainment in small‐scale fisheries: Factors influencing succession and participation decisions in Cameroon
Notice bibliographique
Résumé
Abstract Fisheries systems face enormous pressures from increased fish demand, decreased fish catches, and an ageing fishing population. As a case study, we investigate how climate change stressors, capacity‐building opportunities, and the introduction of climate‐smart innovations, tools and information may influence youths’ succession decisions in small‐scale fisheries (SSF). We collected empirical data from a survey with the children of SSF actors to identify the factors promoting or hindering succession in fish harvesting activities through a simple random sampling of 415 youths in six fishing communities in Cameroon. The probit model results revealed that youth participation and succession decisions are positively influenced by their education, nationality, that is, being a migrant, desire to be employed full‐time in fisheries‐related activities, climate‐smart innovations, tools and information, and capacity‐building opportunities. Increasing temperatures and uncertainty in fish availability due to climate change negatively influence their succession decisions. We find that parents do not encourage their children to participate in SSF due to climate change impacts, which are reducing fish catch and due to a lack of suitable climate‐resilient innovations and capacity‐building opportunities. The study provides evidence that interventions that create an enabling environment for youths’ participation in fisheries‐related activities are important to secure the future of SSF in Cameroon.
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 | 0,000 | 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 | 0,000 | 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 ».