MétaCan
Menu
Retour à la cohorte
Enregistrement W2562030706 · doi:10.18584/iipj.2016.7.4.5

Increased Indigenous Participation in Environmental Decision-Making: A Policy Analysis for the Improvement of Indigenous Health

2016· article· en· W2562030706 sur OpenAlexafffundvenue
Kerry Black, Edward A. McBean

Notice bibliographique

RevueInternational Indigenous Policy Journal · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Guelph
Mots-clésIndigenousViewpointsTraditional knowledgeParticipatory action researchCitizen journalismCommunity-based participatory researchPolitical scienceEnvironmental resource managementEnvironmental planningPublic relationsSociologyGeographyEcologyLaw

Résumé

récupéré en direct d'OpenAlex

Improving the physical environment and Indigenous participation in environmental decision-making is inherently related to the improvement of health among Indigenous Peoples. Improving the state of the physical environment necessitates increased involvement by Indigenous communities in decision-making and policy development. This involvement must integrate local traditional knowledge (TK) as an important tool in the decolonization of environmental decision-making, and a necessary step towards the improvement of Indigenous health. With a focus on the physical environment as a social determinant of Indigenous health, this article highlights the need for increased Indigenous participation in the decision-making process on environmental issues and proposes a framework to accomplish this outcome. Indigenous-centred policy frameworks should include the following five key principles: (a) the recognition of Indigenous knowledge, (b) the recognition of the inherent right to self-determination, (c) the use of an inclusive and integrative knowledge system, (d) the use of community-based participatory approaches, and (e) the use of circular and holistic viewpoints.

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)0,022
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,007
Communication savante0,0080,006
Science ouverte0,0020,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,020
Tête enseignante GPT0,386
Écart entre enseignants0,367 · 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

Citations39
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Indigenous Policy JournalMême sujetIndigenous Health, Education, and RightsTravaux en français237 207