Embracing Implementation Science to Enhance Fisheries and Aquatic Management and Conservation
Notice bibliographique
Résumé
Abstract The management and conservation of fisheries and aquatic resources are inherently applied activities. Therefore, when knowledge generated from research and monitoring, or knowledge that is held by practitioners and other actors (e.g., Indigenous elders, fishers), fails to inform those applied decisions, the persistent gap between knowledge and action is reinforced (i.e., the knowledge–action gap). In the healthcare realm, there has been immense growth in implementation science over the past decade or so with a goal of understanding and bridging the gap between knowledge and action and delivering on evidence-based decision making. Yet, within fisheries and aquatic sciences, the concept of implementation science has not received the same level of attention. We posit, therefore, that there is an urgent need to embrace implementation science to enhance fisheries and aquatic management and conservation. In this paper, we seek to describe what implementation science is and what it has to offer to the fisheries and aquatic science and management communities. For our context, we define implementation science as the scientific study of processes and approaches to promote the systematic uptake of research and monitoring findings and other evidence-based practices into routine practice and decision making to improve the effectiveness of fisheries management and aquatic conservation. We explore various frameworks for implementation science and consider them in the context of fisheries and aquatic science. Although there are barriers and challenges to putting implementation science into practice (e.g., lack of capacity for such work, lack of time to engage in reflection, lack of funding), there is also much in the way of opportunity and several examples of where such efforts are already underway. We conclude by highlighting the research needs related to implementation science in the fisheries and aquatic science realm that span methodological approaches, albeit a common theme is the need to involve practitioners (and other relevant actors) in the research. By introducing the concept and discipline of implementation science to the fisheries and aquatic science community, our hope is that we will inspire individuals and organizations to learn more about how implementation science can help deliver on the promise of evidence-based management and decision making and narrow the gap between research and practice.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | high |
| grok | aucune catégorie Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | high |
| opus | aucune catégorie Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | high |
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| 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 validéeÉtiqueté directement par 3 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».