Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Modeling experiential learning: The challenges posed by threshold dynamics for sustainable renewable resource management
Stockholms universitet, Naturvetenskapliga fakulteten, Stockholm Resilience Centre.ORCID-id: 0000-0003-1546-0934
Stockholms universitet, Naturvetenskapliga fakulteten, Stockholm Resilience Centre.ORCID-id: 0000-0003-1861-5030
2014 (Engelska)Ingår i: Ecological Economics, ISSN 0921-8009, E-ISSN 1873-6106, Vol. 104, s. 107-118Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Adaptive management incorporates learning-by-doing (LBD) in order to capture learning and knowledge generation processes, crucial for sustainable resource use in the presence of uncertainty and environmental change. By contrast, an optimization approach to management identifies the most efficient exploitation strategy by postulating an absolute understanding of the resource dynamics and its inherent uncertainties. Here, we study the potential and limitations of LBD in achieving optimal management by undertaking an analysis using a simple growth model as a benchmark for evaluating the performance of an agent equipped with a 'state-of-the-art' learning algorithm. The agent possesses no a priori knowledge about the resource dynamics, and learns management solely by resource interaction. We show that for a logistic growth function the agent can achieve 90% efficiency compared to the optimal control solution, whereas when a threshold (tipping point) is introduced, efficiency drops to 65%. Thus, our study supports the effectiveness of the LED approach. However, when a threshold is introduced efficiency decreases as experimentation may cause resource collapse. Further, the study proposes that: an appropriate amount of experimentation, high valuation of future stocks (discounting) and, a modest rate of adapting to new knowledge, will likely enhance the effectiveness of LBD as a management strategy.

Ort, förlag, år, upplaga, sidor
2014. Vol. 104, s. 107-118
Nyckelord [en]
Adaptive management, Learning by doing, Renewable resources, Thresholds, Neural networks, Reinforcement learning, Agent based modeling
Nationell ämneskategori
Ekologi Miljövetenskap
Forskningsämne
vetenskap om hållbar utveckling
Identifikatorer
URN: urn:nbn:se:su:diva-106311DOI: 10.1016/j.ecolecon.2014.04.018ISI: 000338414000010OAI: oai:DiVA.org:su-106311DiVA, id: diva2:736149
Anmärkning

AuthorCount:2;

Tillgänglig från: 2014-08-05 Skapad: 2014-08-04 Senast uppdaterad: 2018-01-24Bibliografiskt granskad
Ingår i avhandling
1. Learning-by-modeling: Novel Computational Approaches for Exploring the Dynamics of Learning and Self-governance in Social-ecological Systems
Öppna denna publikation i ny flik eller fönster >>Learning-by-modeling: Novel Computational Approaches for Exploring the Dynamics of Learning and Self-governance in Social-ecological Systems
2016 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
Abstract [en]

As a consequence of global environmental change, sustainable management and governance of natural resources face critical challenges, such as dealing with non-linear dynamics, increased resource variability, and uncertainty. This thesis seeks to address some of these challenges by using simulation models. The first line of research focuses on the use of learning-by-doing (LBD) for managing a renewable resource, exemplified by a fish stock, and explores LBD in a theoretical model using artificial intelligence (Paper I and II). The second line of research focuses on the emergence of different forms of self-governance and their interrelation with the dynamics of trust among fishers when harvesting a shared resource, using an agent-based model. This model is informed by qualitative data based on small-scale fisheries in Mexico (Paper III and IV). Paper I and II find that the most sustainable harvesting strategy requires that the actor values current and future yields equally, cautiously experiments around what is perceived as the best harvest action, and rapidly updates its ‘mental model’ to any perceived change in catch. More specifically, Paper II reveals that understanding these aspects in relation to the type of change can yield not only increased performance, but also, and more importantly, increased robustness to both fast and slow changes in resource dynamics. However, when resource dynamics include the possibility of a more fundamental shift in system characteristics (a regime shift), LBD is problematic due to the potential for crossing a threshold, resulting in possible persistent reductions in harvests (Paper I). In Paper III, results indicate that cooperative forms of self-governance are more likely to establish and persist in communities where fishers’ have prior cooperative experience, fishers’ trustworthiness is more or less equal, and that this likelihood increases when resource availability fluctuates seasonally. Finally, to achieve a transformation toward more cooperative forms of self-governance, interventions are required that can strengthen both financial capital and trust among the members of the cooperatives (Paper IV). The unique contribution of this thesis lies in the method for ‘quantitatively’ studying LBD, the stylized model of a small-scale fishery, and the analysis of the two models to advance our understanding of processes of learning and self-governance in uncertain and variable social-ecological environments. Together, the results shed light on how social and ecological factors and processes co-evolve to shape social-ecological outcomes, as well as contributing to the development of novel methods within the emerging field of sustainability science.

Abstract [sv]

I vårt antropocena tidevarv är ett långsiktigt förvaltarskap av naturresurser inom social-ekologiska system av yttersta vikt. Detta kräver en djup förståelse av människan, ekologin, interaktionerna sinsemellan och deras utveckling över tid. Syftet med denna avhandling är att nå en djupare och mer nyanserad förståelse kring två av grundpelarna inom forskningen av hållbar förvaltning av naturresurser–kontinuerligt lärande genom learning-by-doing (LBD) för att förstå naturresursens dynamik, samt vad som kan kallas socialt kapital, i detta sammanhang i betydelsen tillit mellan individer, som naturligtvis ligger till grund för framgångsrik gemensam förvaltning. Denna föresats operationaliseras genom att använda två olika simuleringsmodeller. Den ena modellen undersöker hur en hållbar förvaltning av en förnyelsebar resurs, i denna avhandling exemplifierad av en fiskepopulation, kan uppnås genom LBD. Den andra modellen söker blottlägga det komplexa sociala samspel som krävs för att praktisera gemensam förvaltning genom att använda ett fiskesamhälle som fallstudie. Tidigare forskning på båda dessa två områden är relativt omfattade. Emellertid har den forskning som specialiserat sig på LBD i huvudsak inskränkt sig till empiriska fallstudier. Vad som bryter ny mark i denna avhandling är att vi konstruerar en simuleringsmodell av LBD där vi kan studera lärandeprocessen i detalj för att uppnå en mer hållbar förvaltning över tid. Beträffande modellen som behandlar socialt kapital så har tidigare forskning fokuserat på hur en organisation, eller grupp, kan uppnå hållbar förvaltning. Dock saknas ett helhetsgrepp där som tar hänsyn till alla nivåer; från individnivå (mikro), via gruppnivå (meso), till samhällsnivå (makro). Detta är något som denna avhandling försöker avhjälpa genom att undersöka betydelsen av individers egenskaper, uppbyggnaden av socialt kapital, samt hur detta påverkar emergens av ett samhälle dominerat av mer kooperativa förvaltningsformer respektive mer hierarkiska diton.

papper I and II studeras kärnan av LBD som återkoppling mellan en aktör och en resurs, där aktören lär sig genom upprepade interaktioner med en resurs.  Resultaten visar att LBD är av avgörande betydelse för en hållbar förvaltning, speciellt då naturresursens dynamik är stadd i förändring. I den mest hållbara strategin bör aktören värdera nuvarande och framtida fångster lika högt, försiktigt experimentera kring vad aktören upplever som bästa strategi, för att sedan anpassa sin mentala modell till upplevda förändringar i fångst relativt dess insats någorlunda kraftigt. I papper III och IV behandlas uppbyggnaden av förtroende mellan individer och grupp, samt själv-organiserat styre. Genom att använda småskaligt fiske i Mexiko som en illustrativ fallstudie, utvecklades en agent-baserad modell av ett arketypiskt småskaligt fiskesamhälle. Resultaten indikerar att kooperativa förvaltningsformer är mer dominanta i samhällen där de som utför fisket har liknande pålitlighet, starkt gemensamt socialt kapital vid kooperativets start, och då resursen fluktuerar säsongsmässigt (papper III). Papper IV visar att för att uppnå en transformation från hierarkiska förvaltningsformer till kooperativa diton krävs interventioner som inriktar sig på både socialt och finansiellt kapital. Denna avhandling bidrar således till en djupare förståelse kring hur socialt kapital växer fram, samt hur mer strategiska LBD processer bör utformas när abrupta och osäkra förändringar i ekosystemen blir allt vanligare på grund av människans ökade tryck på planeten.

Ort, förlag, år, upplaga, sidor
Stockholm: Stockholm Resilience Centre, Stockholm University, 2016. s. 44
Nyckelord
Complex adaptive systems, Renewable resources, Adaptive management, Small-scale fisheries, Artificial intelligence, Reinforcement learning, Agent-based modeling, agent-baserade modeller, artificiell intelligens, social-ekologiska system, komplexa adaptiva system, förnyelsebara naturresurser, adaptiv förvaltning
Nationell ämneskategori
Annan naturvetenskap Ekologi Miljövetenskap Tvärvetenskapliga studier inom samhällsvetenskap
Forskningsämne
vetenskap om hållbar utveckling
Identifikatorer
urn:nbn:se:su:diva-122395 (URN)978-91-7649-357-1 (ISBN)
Disputation
2016-05-19, Gröjersalen, hus 3, Kräftriket, Roslagsvägen 101, Stockholm, 09:30 (Engelska)
Opponent
Handledare
Forskningsfinansiär
Mistra - Stiftelsen för miljöstrategisk forskning
Anmärkning

At the time of the doctoral defense, the following papers were unpublished and had a status as follows: Paper 2: Submitted. Paper 3: Submitted. Paper 4: Manuscript.

Tillgänglig från: 2016-04-26 Skapad: 2015-10-29 Senast uppdaterad: 2020-03-23Bibliografiskt granskad

Open Access i DiVA

fulltext(1564 kB)167 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1564 kBChecksumma SHA-512
30c974108b0bc440a78b9db76a2d79e9e261effa91e1f0a19864372673c599d5bb965f622674530d3d12c111e415b781fbd5f2422f817423ec4d64fdf72af8ca
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Lindkvist, EmilieNorberg, Jon
Av organisationen
Stockholm Resilience Centre
I samma tidskrift
Ecological Economics
EkologiMiljövetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 167 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 121 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf