MétaCan
Menu
Retour à la cohorte
Enregistrement W2518830518 · doi:10.4018/978-1-5225-0833-5.ch012

Indigenous Knowledges and Knowledge Codification in the Knowledge Economy

2016· book-chapter· en· W2518830518 sur OpenAlexaff
Edward Shizha

Notice bibliographique

RevueAdvances in knowledge acquisition, transfer, and management book series/Advances in knowledge acquisition, transfer and management book series · 2016
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIndigenous Knowledge Systems and Agriculture
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésAppropriationTraditional knowledgeKnowledge economyIntellectual propertyPositivismKnowledge productionIndigenousPolitical scienceIdeologySociologyEnvironmental ethicsSocial scienceEpistemologyLawKnowledge managementPhilosophyPolitics

Résumé

récupéré en direct d'OpenAlex

The production, dissemination and archivization of knowledge are important processes in contemporary knowledge economy. Questions on Intellectual Property Rights (IPR) arise when Indigenous Knowledges (IKs) are examined and evaluated on how they benefit the knowledge economy and development. These questions seem to be addressed in terms of dominant epistemological ideologies based on Eurocentric knowledge production philosophies embedded in positivism and how knowledge is codified and patented. The purpose of this chapter is to examine the process and effect of codification and on IKs. The chapter argues that while knowledge codification is necessary for IKs to be preserved and archived, it is important not to lose sight of the communal ownership of the knowledges and to protect them from exploitation and appropriation. The chapter concludes that while codification of IKs and intellectual property rights are controversial, for IKs to play their full role in socioeconomic development they cannot be left out of codification that is pervasive in today's knowledge economy and society.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,007
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,210 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in knowledge acquisition, transfer, and management book series/Advances in knowledge acquisition, transfer and management book seriesMême sujetIndigenous Knowledge Systems and AgricultureTravaux en français237 207