MétaCan
Menu
Retour à la cohorte
Enregistrement W3182531041 · doi:10.1080/08941920.2021.1944411

Incorporating Biocultural Approaches in Forest Management: Insights from a Case Study of Indigenous Plant Stewardship in Maine, USA and New Brunswick, Canada

2021· article· en· W3182531041 sur OpenAlexaboutno aff
Michelle Baumflek, Karim-Aly Kassam, Clare Ginger, Marla R. Emery

Notice bibliographique

RevueSociety & Natural Resources · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesNortheastern States Research Cooperative
Mots-clésStewardship (theology)IndigenousDominance (genetics)Environmental resource managementParticipant observationTraditional knowledgeForest managementInclusion (mineral)Value (mathematics)Environmental stewardshipSociologyGeographyPolitical scienceEcologySocial scienceForestryPolitics

Résumé

récupéré en direct d'OpenAlex

Biocultural approaches promote consideration of diverse values and cultural practices into resource management. However, cultural inclusion in North American forest management is limited. Drawing on a case study of Wolastoqiyik and Mi’kmaq communities in Maine, USA and New Brunswick, Canada, we examine the practice of plant gathering, including associated values and cultural norms. Through interviews and participant observation, we find that gatherers value and care for plants and habitats that are not priorities for forest managers. Gatherers do not describe their actions in terms of management, with its connotations of dominance and control. Rather, they are guided by community-driven values and responsibilities. Our analysis suggests that their plant gathering activities align with a stewardship paradigm, which may be one useful way to characterize, legitimize and communicate approaches to caring for forests. We offer five suggestions for managers wishing to use biocultural approaches.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,405

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0280,010
Communication savante0,0050,002
Science ouverte0,0030,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,195
Écart entre enseignants0,171 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociety & Natural ResourcesMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207