MétaCan
Menu
Retour à la cohorte
Enregistrement W2324610729

Settling With Indigenous People: Modern Treaty and Agreement-Making

2006· article· en· W2324610729 sur OpenAlexaboutno aff
Marcia Langton, Odette Mazel, Lisa Palmer, Kathryn Shain, Maureen Tehan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousNegotiationTreatyPoliticsCorporate governancePolitical scienceGovernment (linguistics)Public administrationGeographyLawBusinessFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

'Settling With Indigenous People' is an edited collection that describes the making of ten contemporary, mostly Australian, local and regional agreements and details the avenues through which such agreements can be implemented and sustained. The Australian regional agreements concern South West Australia, the Murray-Darling Basin, and Cape York. There is a chapter about the return of the Maralinga lands to its traditional owners and one detailing two local government agreements in central and southwest Australia. Urban agreements in Darwin and Vancouver are compared and there are also chapters on the North West Territories and Northern Quebec in Canada and the Ngai Tahu in the South Island of New Zealand. The discussion addresses governance and leadership, negotiation strategies, including the role of formal negotiating frameworks, the importance of process and outcome, the crucial impact of politics and timing, the significance of private sector engagement, and implementation mechanisms. The chapters show how agreement-making has provided a forum in which indigenous groups can negotiate their needs and aspirations, including fundamental issues of recognition, inclusion and economic opportunity. The authors include indigenous and non-indigenous academics, and others who have been involved in negotiating agreements.

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)0,013
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0170,065
Communication savante0,0120,009
Science ouverte0,0020,006
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,004
Tête enseignante GPT0,169
Écart entre enseignants0,166 · 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'étudeSans objet
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

Citations79
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMining and Resource ManagementTravaux en français237 207