Conflicts, battlefields, indigenous peoples and tourism: addressing dissonant heritage in warfare tourism in Australia and North America in the twenty‐first century
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the omission of Indigenous narratives in battlefields and sites of conflicts while also highlighting how certain battlefields and sites of conflicts have attempted to address dissonant heritage by diversifying interpretation strategies and implementing elements of collaborative management approaches, thereby addressing Indigenous erasure. Design/methodology/approach The study uses a content analysis, field studies and case studies to examine dissonant heritage in warfare tourism sites involving Indigenous peoples in Australia and North America. Findings The content analysis reveals that aboriginal erasure is still prevalent within the literature on warfare and battlefield tourism. However, the case studies suggest that dissonant heritage in warfare tourism is being addressed through collaborative management strategies and culturally sensitive interpretation strategies. Research limitations/implications The content analysis is limited to tourism journals. The case studies highlight sites that are using adaptive management and integrating Indigenous peoples. Practical implications The study of dissonant heritage and warfare tourism, while relatively young, is beginning to address aboriginal erasure and cultural dissonance; this study is a contribution to this area of research. Social implications Addressing the impacts of aboriginal erasure and heritage dissonance in colonial settings heals the hurts of the past, while empowering communities. It also provides Indigenous communities with opportunities to diversify current tourism products. Originality/value This is a collaborative international paper involving Indigenous and non‐Indigenous scholars from Australia, Canada, and the USA.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,012 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».