How and Why Indigenous Peoples are Engaged in Wildland Fire Management
Notice bibliographique
Résumé
Little is known about how and why Indigenous peoples are engaged in wildland fire management particularly in the areas of wildfire prevention, mitigation, preparedness, response, and recovery abilities in the event of a threatening wildfire. This qualitative study explored how and why Indigenous peoples in six case study jurisdictions in Canada and New Zealand are engaged with government fire management agencies in wildfire management, barriers to engagement, and identifies opportunities to increase engagement between governments and Indigenous peoples. This research used a qualitative research approach with a case study design. Twenty-nine participants were interviewed from Canada and New Zealand, including in the provinces of British Columbia, Saskatchewan, Ontario, and Nova Scotia, as well as the Northwest Territories. Findings indicate that engagement between government fire management agencies and Indigenous peoples predominantly occurs when agencies respond to a wildland fire affecting Indigenous land and in the employment of Indigenous peoples. The key barriers identified by Indigenous leaders were a lack of trust towards the government, and limited financial support by the federal government that would allow Indigenous communities the ability to hire staff to support emergency management including engagement, as well as the fire suppression equipment needed to respond to wildfires in or near their community. Government participants indicated that a lack of funding to hire the appropriate amount of staff to support engagement with Indigenous communities as a barrier, as was a lack of Indigenous cultural awareness and history in government staff, and the lack of clarity around the roles and responsibilities of the multiple agencies involved during emergency response. Recommendations for increasing engagement are provided. This research concludes with a way forward for both Indigenous and government leaders that can enhance their relationship.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».