Freshwater fisheries monitoring in northern ecosystems using Indigenous ecological knowledge, genomics, and life history: Insights for community decision-making
Notice bibliographique
Résumé
Natural resources in northern regions are often data-limited because they are difficult and expensive to access. Indigenous ecological knowledge (IEK) can provide information similar to, different from, or complementary to Western scientific data (WSD). We evaluated the general hypothesis that congruence in outcomes of IEK and WSD for population monitoring parameters is determined by temporal and spatial scale of the knowledge type. Parameters included population structure, degree of philopatry, morphological variation (and conservation status for one species), and genomics was a key Western scientific method. We evaluated this hypothesis in three subsistence and recreational fisheries (walleye, lake trout, and northern pike) in Mistassini Lake, Quebec, Canada. Concordance of outcomes was varied. IEK provided richer information on the biology, distribution, and morphological variation observable with the eyes. However, IEK cannot “see” into the genome, and WSD identified population structure and history more precisely than IEK. Both knowledge types could “see” change in populations, and the nature of what was seen both converged and was complementary. Determining when IEK and WSD are complementary or reach common conclusions may allow Indigenous communities to use both together, or one knowledge type over another when either is more desired, appropriate, or time- or cost-efficient to adopt.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».