Concrete Lessons: Policies and Practices Affecting the Impact of COVID-19 for Urban Indigenous Communities in the United States and Canada
Notice bibliographique
Résumé
Throughout the Americas, most Indigenous people move through urban areas and make their homes in cities. Yet, the specific issues and concerns facing Indigenous people in cities, and the positive protective factors their vibrant urban communities generate are often overlooked and poorly understood. This has been particularly so under COVID-19 pandemic conditions. In the spring of 2020, the United Nations High Commissioner Special Rapporteur on the Rights of Indigenous Peoples called for information on the impacts of COVID-19 for Indigenous peoples. We took that opportunity to provide a response focused on urban Indigenous communities in the United States and Canada. Here, we expand on that response and Indigenous and human rights lens to review policies and practices impacting the experience of COVID-19 for urban Indigenous communities. Our analysis integrates a discussion of historical and ongoing settler colonialism, and the strengths of Indigenous community-building, as these shape the urban Indigenous experience with COVID-19. Mindful of the United Nations Declaration on the Rights of Indigenous Peoples, we highlight the perspectives of Indigenous organizations which are the lifeline of urban Indigenous communities, focusing on challenges that miscounting poses to data collection and information sharing, and the exacerbation of intersectional discrimination and human rights infringements specific to the urban context. We include Indigenous critiques of the implications of structural oppressions exposed by COVID-19, and the resulting recommendations which have emerged from Indigenous urban adaptations to lockdown isolation, the provision of safety, and delivery of services grounded in Indigenous initiatives and traditional practices.
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 | 0,002 | 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 | 0,003 | 0,002 |
| 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 ».