MétaCan
Menu
← Retour à la cohorte
Enregistrement W4304960317 · doi:10.5864/d2022-017

Two-Eyed Seeing: Seeking Indigenous Knowledge to strengthen climate change adaptation planning in public health

2022· article· en· W4304960317 sur OpenAlexaffvenue
Ronald D. Macfarlane, Kerry Ann Charles-Norris, Sarah K. Warren, Ahalya Mahendra, Ainslie J. Butler, Katie Hayes, Rachel Mitchell, Brenda Armstrong

Notice bibliographique

RevueEnvironmental Health Review · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesNational Center for Complementary and Integrative Health
Mots-clésIndigenousClimate changePublic healthAdaptation (eye)Political sciencePublic relationsPerspective (graphical)Environmental planningSociologyEnvironmental resource managementGeographyMedicinePsychologyEcologyNursing

Résumé

récupéré en direct d'OpenAlex

Indigenous Peoples of Turtle Island have intimate knowledge of the environment and a long history of adapting to a changing climate. Yet, a scoping review of the literature on climate change adaptation measures identified only one document that provided an Indigenous perspective. On reflection, this pointed to a systemic issue in public health practice. To fill the gap, Cambium Indigenous Professional Services was retained to provide an Indigenous perspective. This paper highlights some of the lessons learned from this experience, not only when it comes to climate change, but also when addressing the broader social and environmental determinants of health. It presents factors public health authorities must consider to meaningfully engage with Indigenous Peoples and reduce health inequities. Significant and purposeful relationships will be developed when public health practitioners take the time to build trust, learn the history of Indigenous Peoples and embrace decolonization. This allows the creation of an ethical space where “Two-Eyed Seeing” can weave the different streams of evidence when developing and implementing climate change adaptation policies and programs.

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)0,042
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,224

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,049
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,010
Communication savante0,0060,011
Science ouverte0,0030,010
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,230
Tête enseignante GPT0,386
Écart entre enseignants0,156 · 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'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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health Review→Même sujetClimate Change and Health Impacts→Travaux en français237 207→