MétaCan
Menu
Retour à la cohorte
Enregistrement W4399806761 · doi:10.3390/w16121734

Measuring First Nations Engagement in Water Governance in Manitoba

2024· article· en· W4399806761 sur OpenAlexaffabout
Warrick Baijius, Robert Patrick, Chris Furgal

Notice bibliographique

RevueWater · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensTrent UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceIndigenousLegislationPolitical sciencePublic administrationWatershedTreatyIndigenous rightsEnvironmental governanceEnvironmental planningGeographyEnvironmental resource managementBusinessLawHuman rightsEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Water governance and ecosystem function in the Canadian prairies are in a state of crisis. Compounding this crisis, and adding complexity, is the relationship between the water governance authority of the state with Canada’s First Peoples. Meaningful engagement of Indigenous peoples in water governance is a necessary requisite to effective water management. This research characterizes the extent and depth of Indigenous engagement in watershed planning in the province of Manitoba, Canada, and examines the degree to which Indigenous rights are incorporated in that engagement. To do so, we analyze evidence of First Nation people’s inclusion in water governance, planning, and management processes. We conducted latent and manifest content analyses of watershed plans to identify the themes and frequency of content related to First Nations and Métis engagement and triangulated results with key informant semi-structured interviews and document reviews of water governance policies and legislation. Overall, we find that Indigenous engagement in Manitoba water governance has increased over time but is still lacking adequate recognition and implementation of Aboriginal and Treaty rights.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,279

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0070,003
Communication savante0,0030,001
Science ouverte0,0010,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,279
Écart entre enseignants0,241 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetIndigenous Health, Education, and RightsTravaux en français237 207