MétaCan
Menu
Retour à la cohorte
Enregistrement W2795597692 · doi:10.1080/08941920.2018.1451582

Damming Knowledge Flows: POWER as a Constraint on Knowledge Pluralism in River Flow Decision-making in the Saskatchewan River Delta

2018· article· en· W2795597692 sur OpenAlexafffundabout
Evan J. Andrews, Maureen G. Reed, Timothy D. Jardine, Toddi A. Steelman

Notice bibliographique

RevueSociety & Natural Resources · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensUniversity of SaskatchewanUniversity of Waterloo
Organismes subventionnairesKorea Technology and Information Promotion Agency for SMEsSocial Sciences and Humanities Research Council of CanadaSaskPower
Mots-clésIndigenousCorporate governanceTraditional knowledgePluralism (philosophy)LivelihoodLegal pluralismBusinessPsychological interventionPolitical scienceEnvironmental resource managementPublic relationsSociologyGeographyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Rivers and dams are increasingly contested venues where knowledge pluralism is critical for effective governance. To navigate change, decision-makers can adopt culturally-sensitive interventions to address the needs of diverse stakeholders and rights holders. Calls for Indigenous flows have become important as dam operators seek to renew their legal and social licenses to operate. Knowledge pluralism is needed to enhance decision-making about flows that better address complexity and change to Indigenous livelihoods and cultural practices. However, leveraging diverse knowledge types to inform these interventions is not simply a matter of changing management practice. Power relations can constrain knowledge pluralism. We contribute an empirical example that links power in a decision-making process about a dam in Saskatchewan, Canada, to the losses experienced by downstream Indigenous communities. This paper operationalizes power to illustrate its methodological utility and documents the interconnected losses, experienced by resources users, resultant from the marginalization of Indigenous knowledge.

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)0,010
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,730

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0100,032
Communication savante0,0120,006
Science ouverte0,0010,010
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,296
Écart entre enseignants0,287 · 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.

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

Citations18
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSociety & Natural ResourcesMême sujetWater Governance and InfrastructureTravaux en français237 207