MétaCan
Menu
Retour à la cohorte
Enregistrement W4210379485 · doi:10.3390/su14031331

Shaping Arctic’s Tomorrow through Indigenous Knowledge Engagement and Knowledge Co-Production

2022· article· en· W4210379485 sur OpenAlexaff
Tatiana Degai, Andrey N. Petrov, Renuka Badhe, Parnuna Petrina Egede Dahl, Nina Döring, Stephan Dudeck, Thora Martina Herrmann, Andrei V. Golovnev, Liza Mack, Elle Merete Omma, Gunn‐Britt Retter, Gertrude Saxinger, Annette Scheepstra, Norma Shorty, Colleen Strawhacker

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Science Foundation
Mots-clésIndigenousArcticTraditional knowledgeKnowledge productionStatement (logic)Production (economics)The arcticPolitical scienceKnowledge managementPerspective (graphical)BusinessEnvironmental resource managementEngineering ethicsEngineeringEnvironmental scienceComputer scienceEcologyOceanographyEconomics

Résumé

récupéré en direct d'OpenAlex

This perspective presents a statement of the 10th International Congress of Arctic Social Sciences Indigenous Knowledge and knowledge co-production panel and discussion group, 20 July 2021. The statement is designed to serve as a characterization of the state-of-the-art and guidance for further advancement of Indigenous Knowledge and knowledge co-production in the Arctic. It identifies existing challenges and provides specific recommendations for researchers, Indigenous communities, and funding agencies on meaningful recognition and engagement of Indigenous Knowledge systems.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,374
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0200,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,090
Tête enseignante GPT0,429
Écart entre enseignants0,339 · 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.

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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetIndigenous Studies and EcologyTravaux en français237 207