MétaCan
Menu
Retour à la cohorte
Enregistrement W4322575736 · doi:10.1659/mrd.2022.00014

Weaving Together Knowledge Through Collaborative Archaeological Research in the Shúhtagot'ine Cultural Landscape

2022· article· en· W4322575736 sur OpenAlexaffabout
Glen MacKay, Leon Andrew, Naomi Smethurst, T. Daniel Andrews

Notice bibliographique

RevueMountain Research and Development · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensEmissions Reduction AlbertaCanadian Heritage
Organismes subventionnairesnon disponible
Mots-clésTraditional knowledgeCultural landscapeIndigenousArchaeologyGeographyContext (archaeology)Cultural heritageHomelandLandscape archaeologyHistoryEthnologyEnvironmental resource managementEcologyPoliticsPolitical scienceLandscape design

Résumé

récupéré en direct d'OpenAlex

We describe collaborative archaeological research on caribou hunting sites in the homeland of the Shúhtagot'ine in the central Mackenzie Mountains of Canada's Northwest Territories. Shúhtagot'ine Elders and cultural resource managers are working together to investigate important cultural places that are at risk of destruction from climate-driven landscape changes. We use 3 case studies to illustrate how knowledge production in the context of long-term, place-based research has led to key insights about ancestral caribou hunting sites, including perennial alpine ice patches and wood hunting structures, and how that knowledge is being mobilized to help conserve important values in the Shúhtagot'ine cultural landscape. Archaeological research promotes the sustainability of Indigenous cultural landscapes through the preservation of cultural heritage, via the recall of “landscape memories,” and by unlocking archives of ancient biological material. The process of knowledge coproduction is mutually beneficial for all participants, especially when Indigenous Elders and youth are brought together in fieldwork settings.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,906
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0170,017
Communication savante0,0070,003
Science ouverte0,0020,012
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,289
Tête enseignante GPT0,528
Écart entre enseignants0,239 · 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMountain Research and DevelopmentMême sujetIndigenous Studies and EcologyTravaux en français237 207