Soft vs. Hard Sustainability Approach in Marine Spatial Planning: Challenges and Solutions
Notice bibliographique
Résumé
Hitherto, over 50% of countries with marine waters have established MSPs or launched related legal actions. However, there are still conceptual and practical challenges to be overcome in the development of MSP. In this study, we investigate two main approaches in MSP (hard vs. soft sustainability) through reports, published manuscripts and meeting proceedings in seven pioneering countries (Belgium, Netherlands, Norway, Germany, United Kingdom, Australia, and Canada). We highlight the gaps, challenges, and solutions in each of these approaches. From our findings, there are four common challenges in both soft and hard sustainability approaches as follows: (i) the political framework and inconsistent support of MSP efforts, (ii) insufficient knowledge on social dimensions, (iii) insufficient stakeholder engagement in the diversity of stakeholder’s groups or in their contribution to the planning process from the initial steps, and (iv) finding a balance between environmental conservation and economic growth. We recommend that future studies should investigate how MSP can become more adaptive to long-term environmental and economic targets, how effective involving socioeconomic strata is in MSP, and how decision-making tools could help to cover the gaps in MSP. Furthermore, public forums are suggested to be developed to facilitate the systematic sharing of MSP experiences worldwide.
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 | 0,035 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,012 | 0,013 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».