How do ice anglers and their fishing behaviors differ from non-ice anglers? Insights drawn from a large-scale survey of anglers from Ontario, Canada
Notice bibliographique
Résumé
Abstract Objective The research goal was to understand who are ice and non-ice (i.e., open water only) fishers and how do they fish (e.g., target species choice and travel distance to fishing sites). To achieve this goal, hypotheses were developed and tested that ice fishing participation and fishing behaviors would be influenced by (1) the availability of quality ice fishing opportunities, (2) the commitment level of the angler to fishing, and (3) the urban or rural location of residence and gender identity of an angler. Methods Differences between ice and non-ice fishers from Ontario, Canada, were assessed using inferential statistics and general linear models and cross tabulations from responses to a large-scale survey of resident Ontario anglers in 2020. Result Ice fishing participation rates were higher among fishers who resided in areas with longer (better quality) ice fishing seasons; showed increased commitment to fishing by purchasing more expensive fishing licenses and fishing more days during the open-water season; and were rural residents, males, and younger individuals. When compared to open water, ice fishing activity was more spatially constrained and heavily targeted towards fish species that prefer cool- or coldwater habitats. Even among ice fishers, these individuals targeted cool- and coldwater fish species at higher rates during the ice than open-water fishing seasons. Conclusion Ice fishers differ from non-ice fishers in who they are (more likely to be male, rural, and younger), how they connect to fishing (more likely to be committed to fishing), and how they fish (more likely to target cool- and coldwater species). These differences suggest that some water bodies (e.g., those near angling populations that hold coldwater fish species) may be at a greater risk from being overexploited during the ice than open-water season.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».