Walking on two legs: a pathway of Indigenous restoration and reconciliation in fire‐adapted landscapes
Notice bibliographique
Résumé
Worldwide, Indigenous peoples are leading the revitalization of their/our cultures through the restoration of ecosystems in which they are embedded, including in response to increasing “megafires.” Concurrently, growing Indigenous‐led movements are calling for governments to implement Indigenous rights, titles and treaties, and many settler‐colonial governments are committing to reconciliation with Indigenous peoples and to implementing the United Nations Declaration on the Rights of Indigenous Peoples. Yet, despite growing recognition that just and effective conservation is only possible through partnerships with, or led by, Indigenous peoples, decolonizing approaches to restoration have received insufficient attention. However, reconciliation will be incomplete without Indigenous‐led restoration of Indigenous lands, knowledges, and cultures. In this article, we introduce the concept of “walking on two legs” to guide restoration scientists and practitioners in advancing the interconnected processes of Indigenous‐led restoration and reconciliation in Indigenous territories. As an action‐oriented framework articulated by Secwépemc Elder Ronald E. Ignace, “walking on two legs” seeks to bring Indigenous knowledges into balance with western scientific knowledge in service of upholding an Indigenous stewardship ethic that is embedded in Indigenous ways of relating to land and embodies principles of respect, reciprocity, and responsibility. Grounding this discussion in the context of fire‐adapted ecosystems of western Canada and unceded and traditional Secwépemc territory, Secwepemcúl̓ecw, we argue that walking on two legs, along with principles of reconciliation, offers a pathway to uphold respectful relationships with Indigenous peoples, knowledges, and territories through Indigenous‐led restoration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,027 | 0,069 |
| Communication savante | 0,016 | 0,010 |
| Science ouverte | 0,003 | 0,019 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».