MétaCan
Menu
Retour à la cohorte
Enregistrement W2310349472 · doi:10.15402/esj.v1i2.115

Enabling Community Well-being Self-Monitoring in the Context of Mining: The Naskapi Nation of Kawawachikamach

2016· article· en· W2310349472 sur OpenAlexaffvenueabout
Robert Klinck, Ben Bradshaw, R. L. Sandy, Silas Nabinacaboo, Mannie Mameanskum, Minnie Guanish, Phil Einish, George Guanish, Stella Pien

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésIndigenousFirst nationBaseline (sea)Political scienceCommunity developmentContext (archaeology)GeographyEconomic growthEnvironmental planningLawArchaeologyEcology

Résumé

récupéré en direct d'OpenAlex

The Naskapi Nation of Kawawachikamach is an Aboriginal community located in northern Quebec near the Labrador Border. Given the region’s rich iron deposits, the Naskapi Nation has considerable experience with major mineral development, first in the 1950s to the 1980s, and again in the past decade as companies implement plans for further extraction. This has raised concerns regarding a range of environmental and socio-economic impacts that may be caused by renewed development. These concerns have led to an interest among the Naskapi to develop a means to track community well-being over time using indicators of their own design. Exemplifying community-engaged research, this paper describes the beginning development of such a tool in fall 2012—the creation of a baseline of community well-being against which mining-induced change can be identified. Its development owes much to the remarkable and sustained contribution of many key members of the Naskapi Nation. If on-going surveying is completed based on the chosen indicators, the Nation will be better positioned to recognize shifts in its well-being and to communicate these shifts to its partners. In addition, long-term monitoring will allow the Naskapi Nation to contribute to more universal understanding of the impacts of mining for Indigenous peoples.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,790
Score d'incertitude au seuil0,418

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0070,001
Communication savante0,0020,001
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,077
Tête enseignante GPT0,322
Écart entre enseignants0,246 · 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

Citations7
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetMining and Resource ManagementTravaux en français237 207