From Policy Instruments to Action Arenas: Toward Robust Fisheries and Adaptive Fishing Households in Southwest Nova Scotia
Notice bibliographique
Résumé
abstract: The coastal fishing community of Barrington, Southwest Nova Scotia (SWNS), has depended on the resilience of ocean ecosystems and resource-based economic activities for centuries. But while many coastal fisheries have developed unique ways to govern their resources, global environmental and economic change presents new challenges. In this study, I examine the multi-species fishery of Barrington. My objective was to understand what makes the fishery and its governance system robust to economic and ecological change, what makes fishing households vulnerable, and how household vulnerability and system level robustness interact. I addressed these these questions by focusing on action arenas, their contexts, interactions and outcomes. I used a combination of case comparisons, ethnography, surveys, quantitative and qualitative analysis to understand what influences action arenas in Barrington, Southwest Nova Scotia (SWNS). I found that robustness of the fishery at the system level depended on the strength of feedback between the operational level, where resource users interact with the resource, and the collective-choice level, where agents develop rules to influence fishing behavior. Weak feedback in Barrington has precipitated governance mismatches. At the household level, accounts from harvesters, buyers and experts suggested that decision-making arenas lacked procedural justice. Households preferred individual strategies to acquire access to and exploit fisheries resources. But the transferability of quota and licenses has created divisions between haves and have-nots. Those who have lost their traditional access to other species, such as cod, halibut, and haddock, have become highly dependent on lobster. Based on regressions and multi-criteria decision analysis, I found that new entrants in the lobster fishery needed to maintain high effort and catches to service their debts. But harvesters who did not enter the race for higher catches were most sensitive to low demand and low prices for lobster. This study demonstrates the importance of combining multiple methods and theoretical approaches to avoid tunnel vision in fisheries 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 | 0,002 | 0,003 |
| 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 | 0,005 | 0,006 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».