Notice bibliographique
Résumé
This chapter discusses the experience of the Geomatics and Cartographic Research Centre at Carleton University in Ottawa, which has been creating cybercartographic atlases with Indigenous communities in Canada for over 15 years. The chapter describes some of the lessons learned in this ongoing process, including the important legal and ethical issues involved, as well as the development of the innovative Nunaliit data management framework used to create the atlases. A cybercartographic atlas is quite different from a conventional atlas, and is a metaphor for all kinds of qualitative and quantitative information linked by location. These are interactive, multimedia and multisensory on-line products. They are quite different from standard geographic information system (GIS) products. The atlases are community controlled and community generated and telling stories from a community perspective is one of their central features. Both mapping and storytelling are basic human instincts. This chapter will describe some of the lessons emerging from this ongoing experience, one of which is the importance of the processes by which the atlases are produced which is equally, if not more important, than the products. Nunalliit means community in Inuktituk, and is the software framework used to produce the atlases. It has been designed so that communities can produce their own atlases rather than depend on external expertise. Community ownership and control is of great importance, and creating the atlases often requires a decentralized and distributed data management approach.
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 | 0,000 | 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) | 0,001 | 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 ».