Indigenous knowledge and federal environmental assessments in Canada: applying past lessons to the 2019 impact assessment act
Notice bibliographique
Résumé
Policy-makers ideally pursue well-informed, socially just means to make environmental decisions. Indigenous peoples have used Indigenous knowledge (IK) to inform decisions about environmental management for millennia. In the last 50 years, many western societies have used environmental assessment (EA) processes to deliberate on industrial proposals, informed by scientific information. Recently EA processes have attempted to incorporate IK in some countries and regions, but practitioners and scholars have criticized the ability of EA to meaningfully engage IK. Here we consider these tensions in Canada, a country with economic focus on resource extraction and unresolved government-to-government relationships with Indigenous Nations. In 2019, the Canadian government passed the Impact Assessment Act, reinvigorating dialogue on the relationship between IK and EA. Addressing this opportunity, we examined obstacles between IK and EA via a systematic literature review, and qualitative analyses of publications and the Act itself. Our results and synthesis identify obstacles preventing the Act from meaningfully engaging IK, some of which are surmountable (e.g., failures to engage best practices, financial limitations), whereas others are substantial (e.g., knowledge incompatibilities, effects of colonization). Finally, we offer recommendations for practitioners and scholars towards ameliorating relationships between IK and EA towards improved decision-making and recognition of Indigenous rights.
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 | 0,039 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,016 |
| Études des sciences et des technologies | 0,029 | 0,020 |
| Communication savante | 0,020 | 0,006 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».