MétaCan
Menu
Retour à la cohorte
Enregistrement W4362475702 · doi:10.1002/rra.4126

Drawing from Indigenous ontologies and practices to rethink European water policy

2023· article· en· W4362475702 sur OpenAlexaboutno aff
Jamie Linton, Claudia Pahl‐Wostl

Notice bibliographique

RevueRiver Research and Applications · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousPremiseReciprocity (cultural anthropology)Traditional knowledgeCorporate governancePolitical scienceEnvironmental ethicsSociologyPublic administrationSocial scienceEcologyManagementEconomicsEpistemology

Résumé

récupéré en direct d'OpenAlex

Abstract The purpose of this article is to begin a discussion of how Indigenous ontologies and practices might be brought to bear on water policy and management in Europe. Such a discussion represents an ironic historical shift in the sense that these ontologies and practices have survived and continue to evolve in countries that have been characterized by European colonization (i.e., Australia, Canada, US, New Zealand, countries of Africa and South America, and not excluding the Sámi people of northern Europe). Increasingly research and policy interest has been directed toward the inclusion of Indigenous knowledge and perspectives in water governance in some of these places, especially Australia, Canada, and New Zealand. Here, we ask whether they might be a source of inspiration for rethinking the water policy in Europe. We argue that certain elements of Indigenous water knowledge and practices can be drawn from to reform European water policy on the ontological premise that people are part of nature and based on establishing and nurturing moral and legal relationships between water and people based on principles of respect and reciprocity.

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)0,047
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,249

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0080,053
Communication savante0,0120,020
Science ouverte0,0020,016
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,112
Tête enseignante GPT0,451
Écart entre enseignants0,339 · 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'étudeThéorique ou conceptuel
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

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRiver Research and ApplicationsMême sujetWater Governance and InfrastructureTravaux en français237 207