Using Peer-to-Peer Knowledge Transfer to Build Marine Oil Spill Preparedness Capacity and Foster Resilience Among Indigenous Communities
Notice bibliographique
Résumé
ABSTRACT Indigenous communities often bear disproportionate risks from marine oil spills because of their close connections to and reliance on marine ecosystems. The impacts of an oil spill on Indigenous people and communities can be far-reaching, even for incidents that might be considered “small” from the perspective of the response community. Building community capacity for oil spill preparedness and response is a critical component to creating resilience within Indigenous communities. While the fundamental elements of capacity are the same for Indigenous communities as for any other coastal community, the approach requires an understanding and respect for Traditional Knowledge, Indigenous governance structures, and existing stewardship networks. Oil spill preparedness and response traditionally follows a top-down approach within both government and industry, because marine oil spills are low frequency, high consequence, highly complex incidents where multiple organizations and jurisdictions must work together. While this reality applies regardless of whether an oil spill impacts Indigenous communities, a top-down approach can be experienced as a threat to self-governance and compromise the effectiveness of capacity-building efforts. There is a significant body of research in support of the concept that resilience to emergencies and disasters among Indigenous people must build upon existing social, cultural, and familial structures in order to be effective. This requires a fundamentally different approach that builds from the ground up with the goal of ultimately meshing with the existing preparedness and response framework. Peer-to-peer learning and knowledge transfer is an approach that has been used in support of a range of initiatives among Indigenous communities, such as human health initiatives. The same approach may provide a mechanism to empower Indigenous communities to enhance both capacity and resilience. This paper presents a case study from ongoing work to connect Indigenous communities from Canada's High Arctic and Pacific Coast in support of marine oil spill preparedness and response.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».