Advancing Public Ocean Perceptions Research: a guiding approach to strengthen collaboration for ocean health
Notice bibliographique
Résumé
The United Nations Decade of Ocean Science for Sustainable Development (2021–2030) emphasizes advancing our understanding of the ocean and promoting sustainable practices to ensure ocean health and interconnected well-being. As we approach the halfway mark, achieving this agenda requires informed and actionable collaboration among professionals involved in ocean science, management, conservation, industry, communication and education, as well as interested and/or affected groups, guided by science–policy– society linkages. Prioritizing the role of society can help to motivate and enable the restoration of people–ocean relationships. Understanding public ocean perceptions is crucial for grounding such efforts in place-based relevance. This paper discusses the role of Public Ocean Perceptions Research (POPR), a form of ocean literacy research, in this context. We analyse five pan-Canadian POPR surveys, each with specific ocean-focused objectives, to highlight their potential to contribute to ocean–human health. The surveys consistently reflect some themes (e.g., attitudes and behaviours), while lacking others (e.g., ocean solutions). Particular attention on where a marine social science lens is, or may be reflected, can help to inform the design and analysis of future POPR studies to better understand how people understand, value, and care for the ocean. We position how arising themes and ocean literacy dimensions can be used in ongoing research efforts, to inform marine conservation and broader ocean science policy.
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 | 0,169 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,023 | 0,030 |
| Communication savante | 0,025 | 0,017 |
| Science ouverte | 0,006 | 0,036 |
| Intégrité de la recherche | 0,009 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».