Co-producing maps as boundary objects: Bridging Labrador Inuit knowledge and oceanographic research
Notice bibliographique
Résumé
Climate change is affecting the marine environment in Nunatsiavut, leading to changing sea ice thickness and seasonal timing, and increasing water temperatures. This impacts the lives of Labrador Inuit, whose culture, economy, and history are deeply tied to marine spaces. Recently, research partnerships involving Inuit communities in Nunatsiavut have increased, creating space for Labrador Inuit in large scale marine research agendas. While including Labrador Inuit knowledge is critical for making research relevant to communities, there are challenges to engaging it alongside oceanographic scientific knowledge, as both stem from unique ontologies, at times having different values, scales, and languages of understanding. Boundary work offers a lens to analyze how boundary objects can foster connections between Labrador Inuit knowledge and oceanographic research. This research offers a conceptual exploration of this subject through analysing the co-production of maps representing Labrador Inuit knowledge of ocean features which, as data, were then applied in oceanographic research problems. Framing these maps as boundary objects demonstrates their utility in mobilizing Inuit knowledge into scientific approaches, acknowledging limitations with respect to knowledge that cannot be spatially rendered.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,010 | 0,017 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».