Provisioning fisheries: A framework for recognizing the fuzzy boundary around commercial, subsistence, and recreational fisheries
Notice bibliographique
Résumé
ABSTRACT Although sparse, increasing evidence suggests an overlooked population of fishers whose fishing motivations and outcomes overlap across commercial, subsistence and recreational fishing sectors, resulting in underrepresented groups of fishers in management and policy frameworks. These fishers participate in what we frame as “provisioning fisheries,” a concept we propose to highlight the underrepresented values from fishing and fisheries across recreational, sociocultural, psychological, economic, health, and nutritional dimensions. We argue that provisioning fisheries often support underserved groups, provisioning fishers may engage in informal markets, and, that distinction exists from sport-oriented recreational fisheries in power, risks, access barriers, fishing motivation, attitudes, and practices including rule and advisory awareness. We propose that provisioning fisheries should be consciously considered—whether as part of existing fisheries structures or even its own sector to promote more sustainable and inclusive fisheries management. Overlooking this population of fishers may risk further marginalization, conflicts, contaminant exposure, and inaccurate stock estimates. Therefore, we propose provisioning fisheries as a useful analytical category to explore the heterogeneity of fishers and their distinct needs, motivations, and behaviors. As an example of how these fisheries may function, we synthesize what we currently know about provisioning fisheries in North America with hypothesized differences between provisioning and the sport-oriented recreational fisher to encourage greater dialogue and investigation about underrecognized 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».