MétaCan
Menu
Retour à la cohorte
Enregistrement W3176091825 · doi:10.18357/kula.146

Engaging Respectfully with Indigenous Knowledges

2021· article· en· W3176091825 sur OpenAlexaffvenueabout
Camille Callison, Ann Ludbrook, Victoria Owen, Kim Nayyer

Notice bibliographique

RevueKULA knowledge creation dissemination and preservation studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensToronto Metropolitan UniversityUniversity of TorontoUniversity of the Fraser Valley
Organismes subventionnairesnon disponible
Mots-clésIndigenousTraditional knowledgeImmigrationSociologyEnvironmental ethicsPolitical scienceLawEcology

Résumé

récupéré en direct d'OpenAlex

This paper contributes to building respectful relationships between Indigenous (First Nations, Métis, and Inuit) peoples and Canada's cultural memory institutions, such as libraries, archives and museums, and applies to knowledge repositories that hold tangible and intangible traditional knowledge. The central goal of the paper is to advance understandings to allow cultural memory institutions to respect, affirm, and recognize Indigenous ownership of their traditional and living Indigenous knowledges and to respect the protocols for their use. This paper honours the spirit of reconciliation through the joint authorship of people from Indigenous, immigrant, and Canadian heritages. The authors outline the traditional and living importance of Indigenous knowledges; describe the legal framework in Canada, both as it establishes a system of enforceable copyright and as it recognizes Indigenous rights, self-determination, and the constitutional protections accorded to Indigenous peoples; and recommend an approach for cultural memory institutions to adopt and recognize Indigenous ownership of their knowledges, languages, cultures, and histories by developing protocols with each unique Indigenous nation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,375

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0250,037
Communication savante0,0130,008
Science ouverte0,0020,020
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,397
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueKULA knowledge creation dissemination and preservation studiesMême sujetIndigenous Health, Education, and RightsTravaux en français237 207