Integrating local and scientific knowledge: The need for decolonising knowledge for conservation and natural resource management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle