Incorporating Traditional Knowledge and Subsistence Mapping into the Arctic Environmental Response Management Application
Notice bibliographique
Résumé
ABSTRACT Access to information from local and indigenous communities is vital to improving oil spill preparedness and response, and to ensuring efficient prioritization and protection of subsistence and culturally sensitive areas. The Environmental Response Management Application (ERMA®) is an online mapping tool that integrates both static and real-time data, such as Environmental Sensitivity Index maps, ship locations, weather, ocean currents, and more in a centralized format for environmental responders and decision makers. This allows for high-impact and fine-resolution visualization of data for solving complex environmental response and resource issues. As part of the overall ERMA project, baseline datasets have been collected from government sources, private corporations, universities, local entities, and non-governmental organizations (NGO). Arctic ERMA—a regional instance of the ERMA application—covers the U.S. high Arctic, with use in all of Alaska as well as internationally. To identify and gather Arctic-specific data, workshops were conducted in the Northwest Arctic Borough (NWAB), North Slope Borough (NSB), and Edmonton, Canada focusing on oil spill scenarios that could affect villages in each region, and developing prioritized datasets needed to support planning, response, and natural resource damage assessment (NRDA) work. As part of the overall ERMA project, baseline datasets have been collected from government sources, private corporations, universities, local entities and non-governmental organizations. Most of these datasets are publicly available. ERMA has been tested in Arctic drills and was used to support the USCG's “Arctic Shield” exercise, September 2013. Through this exercise, ERMA was able to incorporate onboard ship information, field-collected data, photos, sensor data and other scientific input collected during the USCG Cutter Healy cruise. The exercise identified some of the challenges the response community could face during a spill in the Arctic and the region's dependence upon local knowledge in successfully minimizing environmental effects and human-dimension impacts. This presentation will discuss collaborations and next steps.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».