“Learning Together”: Braiding Indigenous and Western Knowledge Systems to Understand Freshwater Mussel Health in the Lower Athabasca Region of Alberta, Canada
Notice bibliographique
Résumé
Fort McMurray Métis Elders and land users have observed a decrease in the population density of freshwater mussels (known locally as clams; Unionidae) in the lower Athabasca region (LAR) in recent decades. A community-based participatory research (CBPR) approach, braided with Indigenous Knowledge, is used as a guiding framework to facilitate partnerships and create safe, ethical spaces across diverse knowledge systems to address questions about freshwater mussel health in a locally relevant and culturally appropriate way. Opportunities for Elders and land users to travel along the Athabasca and Clearwater rivers in search of freshwater mussels allowed for the renewal of personal and cultural relationships to place that was braided with the study of parameters relevant to Western science. Our search revealed the presence of fat muckets (Lampsilis siliquoidea), with a limited number of giant floaters (Anodonta grandis), in our study area. However, delineating the types of species present is only the beginning of our work to understand freshwater mussel health in the LAR. We present a methodological discussion that demonstrates the importance of prioritizing Indigenous Knowledge to answer questions that may not have been considered within Western knowledge systems and shows how diverse ways of knowing can be braided to create new learnings together. “Learning together,” in practice, means recognizing that each person has knowledge and skills to contribute, which also involves shared decision making. We maintain that by “learning together,” complex problems can be understood in ways that are more meaningful and insightful than they would be if Indigenous communities, government scientists, or research consultants studied them alone.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,008 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».