Access to Justice in Indigenous Communities: An Intercultural Strategy to Improve Access to Justice
Notice bibliographique
Résumé
In 2015, the Canadian Research Institute for Law and the Family partnered with Calgary Legal Guidance (CLG) to develop a project that would build intercultural partnerships in two Indigenous communities in order to build agency capacity that would increase access to justice. The project was funded in large part by the Human Rights and Education Multiculturalism Fund, with in-kind funding provided by the Institute through the Alberta Law Foundation, CLG and our community partners. Our community partners included Vanessa Omeasso of the Restorative Justice program in Maskwacis and Dr. Laura Kiepal of the Peace River Region Women’s Shelter in Peace River. In addition to agency partners and community members, we have also worked with Elders from these communities who have advised on the strategy. The project goal was to improve access to the justice system for all people, particularly in communities where there are barriers such as transportation and a lack of legal education. Over the last year, we conducted stakeholder meetings with community members, justice staff and social agency staff, and compiled information about the work already being undertaken in the communities that have been working with us. Our project sought to meet five primary outcomes: 1. establish intercultural partnerships that meet the diverse and unique needs of Indigenous communities; 2. foster agency relationships in order to deliver the project strategy, developed by the community and elder consultations; 3. support strategic partnerships to meet future research and project needs, identified throughout the consultations and focus groups; 4. increase access to and utilization of existing legal services in Indigenous communities; and 5. generate a method of practice for working inclusively within Indigenous communities.
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 | 0,015 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,030 | 0,010 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,003 | 0,034 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».