Notice bibliographique
Résumé
The Circumpolar region, comprising the Arctic territories encircling the North Pole, is home to diverse Indigenous cultures facing unique socio-economic challenges. Indigenous communities such as the Inuit, Sámi, Athabaskan, Gwitchin, and Russian Arctic groups exhibit rich traditions and adaptive practices tied to their environments. Environmental diversity, from icy tundra to boreal forests, influences livelihoods and biodiversity, while significant socio-economic disparities persist, impacting access to healthcare, education, and economic opportunities. Against this backdrop, the global COVID-19 pandemic accentuated the intersection of environment, culture, and health in remote Arctic regions, presenting distinct challenges and opportunities. Initiated by a collaborative research project led by Fulbright Arctic Initiative Alumni, this special issue of the International Journal of Circumpolar Health explores the impacts of COVID-19 on Arctic Indigenous and rural communities. Building on previous work and recommendations, the issue features community case studies, highlighting community experiences and collaborative approaches to understand and address the pandemic's effects. The authors highlight both positive and negative societal outcomes, presenting community-driven models and evidence-based practices to inform pan-Arctic collaboration and decision-making in public health emergencies. Through sharing these insights, the special issue aims to privilege local and Indigenous knowledge systems, elevates community responses to complex and multifaceted challenges, and contributes to the evidence base on global pandemic response.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,008 |
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 ».