Empowering Indigenous agency through community-driven collaborative management to achieve effective conservation: Hawai‘i as an example
Notice bibliographique
Résumé
Indigenous peoples and local communities (IPLCs) around the world are increasingly asserting ‘Indigenous agency’ to engage with government institutions and other partners to collaboratively steward ancestral Places. Case studies in Hawai‘i suggest that ‘community-driven collaborative management’ is a viable and robust pathway for IPLCs to lead in the design of a shared vision, achieve conservation targets, and engage government institutions and other organisations in caring for and governing biocultural resources and associated habitats. This paper articulates key forms of Indigenous agency embodied within Native Hawaiian culture, such as kua‘āina, hoa‘āina, and the interrelated values of aloha ‘āina, mālama ‘āina, and kia‘i ‘āina. We also examine how Hawai‘i might streamline the pathways to equitable and productive collaborative partnerships through: (1) a better understanding of laws protecting Indigenous rights and practices; (2) recognition of varied forms of Indigenous agency; and (3) more deliberate engagement in the meaningful sharing of power. We contend that these partnerships can directly achieve conservation and sustainability goals while transforming scientific fields such as conservation biology by redefining research practices and underlying norms and beliefs in Places stewarded by IPLCs. Further, collaborative management can de-escalate conflicts over access to, and stewardship of, resources by providing IPLCs avenues to address broader historical legacies of environmental and social injustice while restoring elements of self-governance. To these ends, we propose that government agencies proactively engage with IPLCs to expand the building of comprehensive collaborative management arrangements. Hawai‘i provides an example for how this can be achieved.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,020 | 0,010 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».