Using Indigenous and Western knowledge systems for environmental risk assessment
Notice bibliographique
Résumé
Indigenous rights, knowledge, and value systems are linked inextricably to the lands, waters, and non-human beings that form the environments of Indigenous Peoples. Across the globe, the rights of Indigenous peoples are being formally recognized and as a result, efforts are being made to include Indigenous Knowledge and value systems in environmental policy and decision making. Scientists and decision makers must not only recognize this reality, but also operationalize these efforts through meaningful changes to create space for the inclusion of Indigenous Knowledge, Indigenous values, and sovereignty within the current methods for scientific enquiry and the development of environmental policies. Professionals in the environmental field have a responsibility to ensure that their work has a positive impact on Indigenous Peoples and their environments. In this study, we explore the concept of consultation and informed consent through the lens of the development of environmental policy and decision making. We will discuss these concepts in the context of ecological risk assessment related to a case study focused on contaminated sediment in a harbor within the Great Lakes. We will demonstrate a process that deconstructs the current protocols for risk assessments at sites with localized pollutants in sediment and rebuilds them with elements that recognize both Western and Indigenous knowledge systems. This process includes collaborative fieldwork, relationship building, and informal and formal interviews with participants and community members. By utilizing such approaches, we were able to develop a risk assessment framework that recognizes the sovereignty of Indigenous peoples and promotes effective Nation-to-Nation decision making.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».