MétaCan
Menu
Retour à la cohorte
Enregistrement W4225627391 · doi:10.14324/111.444/000127.v1

Decolonizing Canadian Water Policy

2022· preprint· en· W4225627391 sur OpenAlexaffabout
Corey McKibbin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIndigenousCorporate governanceSanitationPraxisPolitical scienceGovernment (linguistics)PoliticsSpace (punctuation)Economic growthPublic administrationSociologyBusinessEngineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Meaningful lessons about decolonizing water infrastructure (social, economic and political) can be learned if we scrutinize existing governance principles such as the ones provided by the Organization for Economic Cooperation and Development (OECD) Principles on Water Governance (OECD, 2021). Instead of using only Western frameworks to think about policy within Indigenous spheres of water, sanitation and hygiene (WaSH), the Government of Canada can look to Indigenous ways of knowing to compliment their understanding of how to govern areas of WaSH efficiently. In this paper, the term Indigenous encompasses First Nations, Inuit and Métis populations (Hanrahan & Hudson, 2014; Blaser, 2012). I present this paper as a step out of many toward decolonizing water governance in Canada. I hope to have shown in this paper that it is necessary to make space for other voices in water governance. By highlighting the dangers in the Case Studies, three lessons are apparent in this paper: 1. There needs to be an addition of Indigenous Two-Eyed Seeing in water governance; 2. Canada must strengthen its nation-to-nation praxis with Indigenous communities; and 3. There needs to be a creation of space in WaSH that fosters Indigenous voices. This is necessary such that there can be equal participation in policy conversations to mitigate existing problems and explore new possibilities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,894

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0180,009
Communication savante0,0090,003
Science ouverte0,0020,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,307
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetWater Governance and InfrastructureTravaux en français237 207