MétaCan
Menu
Retour à la cohorte
Enregistrement W4408164653 · doi:10.1093/fshmag/vuae023

Individual outcomes matter in the context of responsible and sustainable catch-and-release practices in recreational fisheries and their management

2025· article· en· W4408164653 sur OpenAlexafffund
Steven J. Cooke, S Tracey, Robert Arlinghaus, Robert J. Lennox, Jacob W. Brownscombe, Adam Weir, Scott G. Hinch, David A. Patterson, Meaghan L. Guckian, Andy J. Danylchuk

Notice bibliographique

RevueFisheries · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensSimon Fraser UniversityUniversity of British ColumbiaDalhousie UniversityOcean Tracking NetworkOntario Federation of Anglers and HuntersFisheries and Oceans CanadaCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRecreational fishingFisheryContext (archaeology)RecreationFisheries managementCatch and releaseBusinessEnvironmental resource managementNatural resource economicsEnvironmental planningEnvironmental scienceGeographyFishingEcologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Recreational anglers often engage in catch-and-release (C&R) whereby some of their catch is returned to the water (either to comply with harvest regulations or voluntarily) with the assumption that fish will survive and experience negligible impacts. Despite the assumption that C&R is usually harmless to fish and, thus, helps reduce overall fishing mortality, a large evidence base shows a proportion of released fish will not survive. Even if the event is not lethal, each individual fish will experience some sublethal impact (e.g., injury and stress). There is some debate within the recreational fisheries science and management community regarding the extent to which sublethal impacts or even mortality of individual fish matter, given that fisheries management efforts often focus on whether excessive overall mortality affects population size or quality of angling. Here, we embrace the perspective that individual-level outcomes matter in the context of responsible and sustainable C&R in recreational fisheries and their management. We outline 10 reasons why there is a need to account for individual outcomes of C&R fish to generate resilient fisheries under a changing climate and in the face of other ongoing, increasing, and future threats and stressors. Fostering better handling practices and responsible behaviors within the angling community through education will improve interactions between fish and people while ensuring more successful releases and ecological benefits across fisheries. We acknowledge that cultural norms and values underpin ethical perspectives, which vary among individuals, regions (e.g., rural vs. urban), and geopolitical jurisdictions, and that these can dictate angler behavior and management objectives as well as how individual-level C&R impacts are perceived. Our perspective complements a parallel paper (see Corsi et al., 2025) that argues that individual fish outcomes do not matter unless they create population-level impacts. Creating a forum for discussing and reflecting on alternative viewpoints is intended to help identify common ground where there is opportunity to work collectively to ensure recreational fisheries are managed responsibly and sustainably.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,243
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFisheriesMême sujetFish Ecology and Management StudiesTravaux en français237 207