Sila qanuippa? (how's the weather?): Integrating Inuit Qaujimajatuqangit and environmental forecasting products to support travel safety around Pond Inlet, Nunavut in a changing climate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract As Inuit hunters living in Pond Inlet, Nunavut, we (Natasha Simonee and Jayko Alooloo) travel extensively on land, water, and sea ice. Climate change, including changing sea ice and increasingly unpredictable weather patterns, has made it riskier and harder for us to travel and hunt safely. Inuit knowledge supporting safe travel is also changing and shared less between generations. We increasingly use online weather, marine, and ice products to develop locally relevant forecasts. This helps us to make decisions according to wind, waves, precipitation, visibility, sea ice conditions, and floe edge location. We apply our forecasts and share them with fellow community members to support safe travel. In this paper, we share the approach we developed from over a decade of systematically and critically assessing forecasting products such as: Windy.com; weather and marine forecasts; tide tables; C-CORE’s floe edge monitoring service; SmartICE; ZoomEarth; and time lapse cameras. We describe the strengths and challenges we face when accessing, interpreting, and applying each product throughout different seasons. Our analysis highlights a disconnect between available products and local needs. This disconnect can be overcome by service providers adjusting services to include: more seasonal and real-time information, non-technical language, familiar units of measurement, data size proportional to internet access cost and speed, and clear relationships between weather/marine/ice information and safe travel. Our findings have potential relevance in the Circumpolar Arctic and beyond, wherever people combine Indigenous weather forecasting methods and online information for decision-making. We encourage service providers to improve product relevance and accessibility.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle