POLICY IMPLICATIONS OF MANAGING BIODIVERSITY AND NATURAL RESOURCES ACROSS INTERNATIONAL BOUNDARIES
Notice bibliographique
Résumé
Fisheries Management under the best of scenarios is a complex action. It requires thoughtful consideration of resources that tend to be out of sight, widely distributed, highly variable both spatially and temporally, and present dramatic variation in life history and ecology. No one management approach has been developed which can effectively incorporate all these variables. Add to this the issue of transnational boundary movements of these resources, and one discovers that this complex issue needs to be addressed by multiple entities, agencies, and nations to have any chance of success. This research set out to discover ways in which fisheries management could be improved across transnational boundaries. With a multi-tiered approach, using interviews, surveys, and literature review, I discovered the state of cooperative management on transnational fisheries management in the populations of Lake Trout (a success) and Atlantic Cod (a failure) that occur in the United States and Canada as case studies. Fishery management decisions were not being guided by the life histories of fish, stakeholders are generally well informed on fisheries actions that are occurring across borders, and there is a lack of commitment from governments to make sacrifices to reduce overfishing. Ultimately, fisheries management is people management because politics, socioeconomics, public perceptions, as well as available science must all be considered. Data from this research then provides rationale for a series of recommendations for policy action which can broadly be applied to further improve transnational fisheries management into the future so that we can reliably reproduce the success of trout management and avoid the failures of cod management. The lessons learned, and policy prescriptions, should be transferable to co-management of other transnational fisheries populations across international borders.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,012 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».