Bridging Indigenous and <scp>Western</scp> sciences: Decision points guiding aquatic research and monitoring in <scp>Inuit Nunangat</scp>
Notice bibliographique
Résumé
Abstract When brought together, Indigenous and Western sciences offer holism that can strengthen research and monitoring, yet the practices and processes of bridging these sciences are not well understood. We sought to elucidate bridging through a systematic realist review of coastal and marine research and monitoring studies that use methods for gathering Indigenous scientific knowledges and methods for collecting natural sciences data from across Inuit Nunangat (Inuit homelands in Canada; n = 25 case studies). We identified three decision points that shape projects co‐developed by researchers and Inuit communities: research objectives, method bundles (the totality of methods used in a case study), and method sequencing (the order of application of methods in a case study). Example case studies from the review are included to highlight some of the diversity of research pathways available. We discuss areas for further reflection, including method bundle composition, imbalances in method sequences, path dependency and research fatigue, research context, and most importantly, bridging as a relational rather than technical endeavour. We suggest that bridging sciences can, but need not be, a complex undertaking. This paper provides practical details to facilitate cross‐cultural research partnerships at a time of immense environmental and social change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,109 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,011 | 0,012 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».