Fisheries in flux: Bridging science and policy for climate-resilient management of US fisheries under distributional change
Notice bibliographique
Résumé
As climate change reshapes marine ecosystems, the dynamics of fish stocks are undergoing rapid transformation. Understanding these shifts and their multifaceted impacts demands more than just scientific inquiry; it necessitates a fusion of knowledge, collaboration, and action. However, the translation of cutting-edge research on the changing distributions and abundance of fish stocks into actionable strategies remains a daunting challenge. Climate change considerations are a relatively new area for fisheries management in the US, and there is often a gap between the scientific research being produced and the management processes through which it can be applied in practice. To address this gap, this research utilizes a co-productive workshop approach to elucidate and assess the current trajectory from scientific inquiry to management practice in the context of climate-impacted US fisheries. The workshop and subsequent analyses yielded 27 actionable recommendations and two strategic pathways. These pathways were designed to concentrate efforts on two critical fronts: 1) enhancing venues for collaboration between scientists and managers; and 2) establishing a cooperative framework for defining and prioritizing goals for climate-resilient management. Post-hoc analyses grounded these pathways within established frameworks and literature related to implementation science and science-policy connectivity. Tangible examples further exemplify the recommended actions and demonstrate the practical significance of this work for enhancing resilient management of fisheries in the face of climate uncertainty.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».