MétaCan
Menu
Retour à la cohorte
Enregistrement W3208238296 · doi:10.3390/ijgi10110749

Mapping Inuinnaqtun: The Role of Digital Technology in the Revival of Traditional Inuit Knowledge Ecosystems

2021· article· en· W3208238296 sur OpenAlexfundaboutno aff
Brendan Griebel, Darren Keith

Notice bibliographique

RevueISPRS International Journal of Geo-Information · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesArctic Institute of North AmericaSmithsonian Institution
Mots-clésOntologyMeaning (existential)Digital ecosystemArcticSociologyKnowledge managementEnvironmental resource managementComputer scienceEcologyEpistemology

Résumé

récupéré en direct d'OpenAlex

The term Inuinnaqtun is often used in reference to a dialect of Inuktut spoken by Inuinnait (Copper Inuit) of the Central Canadian Arctic. The broader meaning of Inuinnaqtun, however, is to speak, to create, to practice, to do, to think, to be, like an Inuinnaq (a human being). Inuinnaqtun was once its own robust ecosystem, with Inuinnait physically immersed in a landscape and way of life that nourished a fluent and full language, supported human relationships, and maintained a sophisticated body of cultural knowledge. The Inuinnait journey into the 21st century has challenged the practice of Inuinnaqtun, along with the connectivity of its ecosystem. How can an integrated Inuinnaqtun ecosystem be restored in contemporary Inuinnait society? In this paper, we outline the decade-long development of a digital mapping program to document traditional forms of engagement between Inuinnait people, language and land, and facilitate the continued circulation of knowledge that underlies these relationships. In reviewing its various successes and challenges, we critically question digital technology’s ability to digitally represent Inuinnaqtun ontology, in addition to the role that digital technologies can play in facilitating the local relocation of knowledge, objects and relationships dispersed into global contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,025
Tête enseignante GPT0,322
Écart entre enseignants0,297 · 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 tête enseignante, pas un consensus.

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

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISPRS International Journal of Geo-InformationMême sujetIndigenous Studies and EcologyTravaux en français237 207