Elders’ Voices: Examples of Contemporary Indigenous Knowledge of Marine Mammals
Notice bibliographique
Résumé
The legal and moral imperatives for incorporating indigenous knowledge into natural resource management are now widely recognized. Many consider the integration of indigenous knowledge to be an essential component of successful solutions for conserving resources valued by indigenous peoples, including marine mammals. The effective integration of indigenous knowledge requires an understanding of what it is. Indigenous elders from five very different parts of the world briefly explain their knowledge of local marine mammals including: ika-moana (large whales) of Aotearoa, New Zealand; dhangal (dugongs) of Torres Strait between northern Australia and Papua New Guinea; river dolphins and manatees of Amazonia; beluga whales, Atlantic walrus, bearded seals and harp seals of the Nunavik region of north Quebec in the Canadian Arctic; and sea otters, spotted or larga seals, northern fur seals and Steller sea lions of the Commander Islands, Russia. These accounts illustrate the complexity and temporal dynamism of indigenous knowledge. To help identify the themes in these accounts, we used an extension of Houde's typology (in Ecol Soc 12(2):34, 2007) of indigenous knowledge, which we envisaged as a hexagon with worldview at the core and cosmology, factual observations, management systems, past and present uses, ethics and values, and culture and identity on its faces. We hope that this chapter will help marine mammal scientists who work in research partnerships with indigenous peoples, to build trust, respect, and mutual understanding of each other’s knowledge systems. This understanding should help marine mammal scientists to work successfully across the “cultural interface to achieve true progress in marine mammal conservation and coexistence.”
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 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 ».