MétaCan
Menu
Retour à la cohorte
Enregistrement W13022226 · doi:10.14219/jada.archive.1952.0245

What Tradition Teaches: INDIGENOUS KNOWLEDGE COMPLEMENTS WESTERN WILDLIFE SCIENCE

2010· article· en· W13022226 sur OpenAlexaboutno aff
Paige M. Schmidt, Heather K. Stricker

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIndigenous Knowledge Systems and Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousWildlifeTraditional knowledgeGeographyWildlife managementEnvironmental ethicsEthnologyHistoryEcologyBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

In 1977, scientific surveys indicated that bowhead whales (Balaena mysticetus) in the Beaufort Sea were in trouble, with fewer than 1,000 individuals remaining. The International Whaling Commission took action to put a moratorium on native hunts in order to protect the species. Yet local Inuit hunters didn't see what the fuss was about. Their own estimates, gleaned from time and experience, put bowhead numbers at 7,000. The Inuits also disputed western scientists' contentions that whales couldn't swim under offshore ice and that they did not feed during migration. Researchers responded to these criticisms by developing a new survey method to census the population, incorporating Inuit understanding of whale behavior. In 1991, the new survey estimated that bowheads numbered 8,000- an affirmation of the ecological knowledge held by individuals who depended upon the whales for food, fuel, and shelter (Freeman 1995). As indigenous sovereignty and other rights become recognized around the globe, many governments are developing strategies to work with indigenous communities to co-manage land and resources (Colchester 2004). In navigating this often daunting process, a new challenge has arisen: How to accept and incorporate into western science the traditional ecological knowledge and cultural norms that guide how indigenous communities use and manage natural resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0090,030
Communication savante0,0080,021
Science ouverte0,0010,009
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,252
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIndigenous Knowledge Systems and AgricultureTravaux en français237 207