Presentation_1_Coastal Fishers Livelihood Behaviors and Their Psychosocial Explanations: Implications for Fisheries Governance in a Changing World.pdf
Notice bibliographique
Résumé
<p>This research is a critical examination of the behavioral foundations of livelihood pathways over a 50-year time period in a multispecies fishery in Newfoundland and Labrador, Canada. Fishers make difficult decisions to pursue, enjoy, and protect their livelihoods in times of change and uncertainty, and the resultant behaviors shape efforts to advance sustainability through coastal and marine fisheries governance. However, there is limited evidence about fishers’ behavioral changes over long time periods, and the psychosocial experiences that underpin them, beyond what is assumed using neoclassical economic and rational choice framings. Our analysis draws on 26 narrative interviews with fishers who have pursued two or more fish species currently or formerly. Fishers were asked about their behavioral responses to change and uncertainty in coastal fisheries across their entire lifetimes. Their narratives highlighted emotional, perceptual, and values-oriented factors that shaped how fishers coped and adapted to change and uncertainty. The contributions to theory and practice are two-fold. First, findings included variation in patterns of fisher behaviors. Those patterns reflected fishers prioritizing and trading-off material or relational well-being. With policy relevance, prioritizations and trade-offs of forms of well-being led to unexpected outcomes for shifting capacity and capitalization for fishers and in fisheries more broadly. Second, findings identified the influence of emotions as forms of subjective well-being. Further, emotions and perceptions functioned as explanatory factors that shaped well-being priorities and trade-offs, and ultimately, behavioral change. Research findings emphasize the need for scientists, policy-makers, and managers to incorporate psychosocial evidence along with social science about fisher behavior into their models, policy processes, and management approaches. Doing so is likely to support efforts to anticipate impacts from behavioral change on capacity and capitalization in fleets and fisheries, and ultimately, lead to improved governance outcomes.</p>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,050 | 0,000 |
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.
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 tête enseignante, 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 ».