MétaCan
Menu
Retour à la cohorte
Enregistrement W2188514691

Indigenous Toponyms as Pedagogical Tools: Reflections from Research with Tl’azt’en Nation, British Columbia

2016· article· en· W2188514691 sur OpenAlexaffabout
Karen Heikkilä, Gail Fondahl

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésToponymyIndigenousGeographyEthnologyPolitical scienceArchaeologyHistoryEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Apart from conventional understandings of its utilitarian function as spatial labels (often eponymous in character), toponymy is seldom appreciated as palimpsest or for the layers of meaning it assumes, conveyed in place-name etymologies and local knowledge associated with the named places. Over the years, a growing body of literature has emerged on the use of toponymy in several research fields: the range spans from linguistic investigations into place-names and naming practices to the use of place-names in tracking environmental change, locating places of archaeological interest and understanding the knowledge possessed by local communities about the natural environment. The latter focus describes place-names research with Tl’azt’en Nation, the Dakelh-speaking people whose territory lies in the Stuart-Trembleur watershed of central British Columbia, Canada. From the perspective that indigenous place-names communicate knowledge about the natural world, indigenous language and(oral) history, this paper will draw upon examples of Dakelh place-names to put forth the argument that toponymy should be considered in curriculum not only as a means to educate about local geography and history, but to instill awareness and appreciation of, as in the case of indigenous place-names, other epistemologies or non-western ways of understanding the world.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,423

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0340,020
Communication savante0,0110,004
Science ouverte0,0030,008
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,310
Tête enseignante GPT0,448
Écart entre enseignants0,137 · 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'étudeQualitatif
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

Citations17
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGeographic Information Systems StudiesTravaux en français237 207