MétaCan
Menu
Retour à la cohorte
Enregistrement W4416048911 · doi:10.1093/fshmag/vuaf103

Revisiting “Invisible Collapse?”: Perspectives on progress and challenges for the future of recreational fisheries science

2025· article· en· W4416048911 sur OpenAlexaff
John R. Post

Notice bibliographique

RevueFisheries · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRecreational fishingFisheries scienceRecreationFisheries managementFishing

Résumé

récupéré en direct d'OpenAlex

More than 20 years ago, a group of fisheries ecologists and managers examined the state of recreational fisheries in Canada and described some alarming patterns (Post et al., 2002, reprinted in Saas et al., 2014). Several high-profile Canadian freshwater recreational fisheries showed evidence of decline, risking erosion of their substantial economic and cultural value. Our overview of Canadian recreational fisheries of the day outlined several reasons they were susceptible to collapse, and that this outcome was apparently largely invisible. This essay will attempt three things: (1) set the stage by asking where we were in 2002 (and some story-telling as maybe I can get away with now), (2) outline the big advances in the field over the past 20+ years, for which the paper may have had some influence, and—maybe most importantly—(3) suggest some ideas of how we can advance recreational fisheries management as our paper fades into history. The essay is a personal perspective on development of the original paper, key scientific advances since its publication, a few ideas of what is next, and also some advice to early career fishery professionals setting out to make a difference. The reference list is short and represents my view of the most effective approaches for continued innovation in recreational fisheries science and management.

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)0,043
score de la tête « metaresearch » (Gemma)0,058
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: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,058
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0050,033
Communication savante0,0180,039
Science ouverte0,0050,013
Intégrité de la recherche0,0130,013
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · 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
GenreSynthèse

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueFisheriesMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207