MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409359525 · doi:10.1139/cjfas-2024-0295

The ghosts of overfishing past that haunt present day fisheries management

2025· article· en· W4409359525 sur OpenAlexafffundvenue
Daniel E. Duplisea, Tyler D. Eddy, Matthew Robertson, Raquel Ruiz‐Díaz, C. Abraham Solberg, Fan Zhang

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensMemorial University of NewfoundlandFisheries and Oceans Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOverfishingFisheryFisheries managementFishingStock assessmentBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Fish biomass is the most widely used indicator of fish stock health. Stocks whose biomass is or has previously collapsed owing to overfishing, and the management systems built around them, may carry a memory of decline, even if biomass has recovered. This is because stock biomass as the main indicator of stock health does not represent all aspects of stock health and biomass can possibly become a weaker indicator of health after stock collapse. These latent weaknesses have been termed “ghosts of overfishing past”. Not accounting for ghosts can impact the speed of stock recovery and susceptibility to further collapses. This concept has been popularised by Professors Jeff Hutchings, Anna Kuparinen, and others. Ghosts are varied and can include changes in vital rates, phenotypic response, fish behaviour, and aspects of the human system such as institutional inertia, fisheries subsidies, and income portfolios. The presence of ghosts has implications for fisheries management: altering stock biomass objectives (dynamic reference points) may be appropriate for populations that have experienced collapse even if biomass has recovered. Ghosts should be considered when developing management strategies for populations that have previously experienced large declines.

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)0,004
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0030,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→