Hope or Despair Revisited: Assessing Progress and New Challenges in Global Fisheries
Notice bibliographique
Résumé
ABSTRACT Marine fisheries are crucial to the economy, livelihood, food security and culture of coastal nations and communities, significantly contributing to the United Nations Sustainable Development Goals. A decade ago, T. J. Pitcher and W. W. L. Cheung highlighted the dichotomy in the perception of fisheries' status, concluding that long‐term sustainability and benefits to people were threatened by overexploitation, climate change, pollution, habitat change and other human stressors. They advocated for a fundamental shift towards ecosystem‐based management, better enforcement of existing regulations and more inclusive and equitable management practices. In this paper, we provide an updated review of the status of global fisheries, reflecting on policy actions, key assessments and research findings over the past decade. While there is a growing recognition of the need for sustainable fisheries management and ocean protection, the overall status of fisheries has not improved. Despite progress in international and national policies addressing direct and indirect drivers such as climate change and harmful practices, these trends have not been reversed. Many challenges identified by Pitcher and Cheung and others persist. Additionally, new and emerging issues such as deep‐sea mining, plastic pollution, unhealthy aquaculture development, increasing social inequity and the rapidly increasing push for the acceleration of the blue economy exacerbate the complexity of achieving fisheries and other ocean management goals. Debating whether there is more hope or despair in global fisheries has become irrelevant. Pathways to ‘bend the curve’ for fisheries are clear, and effective actions are now urgently needed to achieve desirable and sustainable fisheries.
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 | 0,001 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».