Seasons of research with/by/as the Keweenaw Bay Indian Community
Notice bibliographique
Résumé
In response to generations of inequitable research to/for Indigenous communities, many have and are developing research practices that center Indigenous priorities. In this paper, we share the Seasons of Research framework developed by the Keweenaw Bay Indian Community and University collaborators. First, we outline the scholarship that provides the foundations for research and being researchers in Keweenaw Bay. This section includes a comprehensive table that summarizes resources for building, strengthening, and sustaining equitable research partnerships with/by/as Indigenous communities. Next, we share the guidance for research partnerships we created together that uses the Medicine Wheel to illustrate an interconnected system of partnership teachings. The guidance aims for balance between and among four seasons of research: relationship building, planning and prioritization, knowledge exchange, and synthesis and application. Research partnerships with/by/as the Community demonstrate respect for each other's differences, honor reciprocity in actions, exemplify responsibility for differing commitments, and express reverence for shared lands, waters, and living beings. Personal reflections by lead author Emily Shaw are shared to demonstrate the process and practices associated with seasons of research, bridging Indigenous wisdom, social and natural sciences, and environmental engineering. We conclude with a few words on the transformation of the research landscape with Indigenous peoples at home and abroad.
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 | 0,027 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,032 | 0,023 |
| Communication savante | 0,016 | 0,009 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,002 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».