Fishers' ecological knowledge of the Lower Ucayali
Notice bibliographique
Résumé
Data gathered for: Fishers’ ecological knowledge points to fishing-induced changes in the Peruvian Amazon (2024). Ecological Applications Scientists increasingly draw on fishers’ ecological knowledge (FEK) to gain a better understanding of fish biology and ecology and inform options for fisheries management. We report on a study of FEK among fishers along the Lower Ucayali River in Peru, a region of exceptional productivity and diversity, which is also a major supplier of fish to the largest city in the Peruvian Amazon. Given a lack of available scientific information on stocks status, we sought to identify temporal changes in the composition and size of exploited species by interviewing fishers from 18 communities who vary in years of fishing experience since the mid-1950s. We develop four FEK-based indicators to assess changes in the fish assemblage and compare findings with landings data. We find an intensification of fishing gear deployed over time, spatiotemporal shifts in the fish assemblage, and reported declines in species weight, which point to a fishing-down process with declines across multiple species. This finding is reflected in a shifting baseline among our participants, whereby younger generation of fishers have different expectations regarding the distribution and size of species. Our study points to the importance of spillover effects from the nearby Pacaya-Samira National Reserve and community initiatives to support the regional fishery and the supply of fish to city markets. Reference to fishers’ knowledge also suggests that species decline is likely underreported in aggregated landings data. The dataset contains information derived from fishers' interviews as well as a subset of socioeconomic information gathered during follow-up household surveys. Additional information gathered during household surveys conducted by the Peruvian Amazon Rural Livelihoods and Poverty (PARLAP) project (https://parlap.geog.mcgill.ca) between 2014 and 2016 is also included. Landings data included in this study are restricted and not available publicly. The aggregated dataset of landings in Loreto from 1984 to 2016 is the property of the Dirección Regional de la Producción Loreto. Data are available to qualified researchers from Dirección Regional de la Producción Loreto by contacting the Director, whose contact information is available at https://www.gob.pe/institucion/regionloreto/funcionarios.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».