Sharing What we Know About Living a Good Life: Indigenous Approaches to Knowledge Translation
Notice bibliographique
Résumé
Knowledge Translation (KT), a core priority in Canadian health research, policy, and practice for the past decade, has a long and rich tradition within Indigenous communities. In Indigenous knowledge systems the processes of "knowing" and "doing" are often intertwined and indistinguishable. However, dominant KT models in health science do not typically recognize Indigenous knowledge conceptualizations, sharing systems, or protocols and will likely fall short in Indigenous contexts. There is a need to move towards KT theory and practice that embraces diverse understandings of knowledge and that recognizes, respects, and builds on pre-existing knowledge systems. This will not only result in better processes and outcomes for Indigenous communities, it will also provide rich learning for mainstream KT scholarship and practice. As professionals deeply engaged in KT work, health librarians are uniquely positioned to support the development and implementation of Indigenous KT. This article provides information that will enhance the ability of readers from diverse backgrounds to promote and support Indigenous KT efforts, including an introduction to Indigenous knowledge conceptualizations and knowledge systems; key contextual issues to consider in planning, implementing, or evaluating KT in Indigenous settings; and contemporary examples of Indigenous KT in action. The authors pose critical reflection questions throughout the article that encourage readers to connect the content with their own practices and underlying knowledge assumptions.
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 | 0,024 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».