Integrating local and scientific knowledge: The need for decolonising knowledge for conservation and natural resource management
Notice bibliographique
Résumé
Integrating Indigenous and local knowledge in conservation and natural resource management (NRM) initiatives is necessary to achieve sustainability, equity, and responsiveness to local realities and needs. Knowledge integration is the starting point for converging different knowledge systems and enabling knowledge co-production. This process is also a key prerequisite towards decolonising the research process. However, power imbalances may perpetuate dominant forms of knowledge over others, obstruct knowledge integration, and eventually cause the loss of knowledge of the marginal and less powerful knowledge holders. Despite increasing interest in knowledge integration for conservation, NRM, and landscape governance, documentation of integration processes remains fragmented and somewhat scarce. This semi-systematic literature review contributes to filling this gap by synthesising methods, procedures, opportunities, and challenges regarding integrating and decolonising knowledge for conservation and NRM in Southern Africa. The findings demonstrate that despite an increasing number of studies seeking to integrate Indigenous and local knowledge and scientific knowledge relevant to conservation and NRM, methods, procedures, and opportunities are poorly and vaguely documented, and challenges and colonial legacies are often overlooked. Documentation, valuing Indigenous and local knowledge, addressing power relations, and collaboration across knowledge systems are missing steps towards efficient knowledge integration. The paper concludes that there is a need for further research and relevant policies. These should address methods and implications for equitable knowledge integration processes and move beyond knowledge sharing and mutual learning towards decolonising knowledge for conservation and NRM.
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 | 0,048 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,021 |
| Communication savante | 0,017 | 0,034 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».