MétaCan
Menu
Retour à la cohorte
Enregistrement W4400206298 · doi:10.3390/fire7070222

Indigenous Fire Data Sovereignty: Applying Indigenous Data Sovereignty Principles to Fire Research

2024· article· en· W4400206298 sur OpenAlexaboutno aff
Melinda M. Adams

Notice bibliographique

RevueFire · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousSovereigntyStewardship (theology)Traditional knowledgeEnvironmental resource managementPolitical scienceEnvironmental planningPublic administrationGeographyLawEcologyPoliticsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Indigenous Peoples have been stewarding lands with fire for ecosystem improvement since time immemorial. These stewardship practices are part and parcel of the ways in which Indigenous Peoples have long recorded and protected knowledge through our cultural transmission practices, such as oral histories. In short, our Peoples have always been data gatherers, and as this article presents, we are also fire data gatherers and stewards. Given the growing interest in fire research with Indigenous communities, there is an opportunity for guidance on data collection conducted equitably and responsibly with Indigenous Peoples. This Special Issue of Fire presents fire research approaches and data harvesting practices with Indigenous communities as we “Reimagine the Future of Living and Working with Fire”. Specifically, the article provides future-thinking practices that can achieve equitable, sustainable, and just outcomes with and for stakeholders and rightholders (the preferred term Indigenous Peoples use in partnerships with academics, agencies, and NGOs). This research takes from the following key documents to propose an “Indigenous fire data sovereignty” (IFDS) framework: (1) Articles declared in the United Nations Declaration on the Rights of Indigenous Peoples (UNDRIP) as identified by the author and specified in Indigenous-led and allied Indigenous fire research in Australia, Canada, and the U.S.; (2) recommendations specific to cultural fire policy and calls for research in the 2023 Wildland Fire Mitigation and Management Commission report; (3) research and data barriers and opportunities produced in the 2024 Good Fire II report; and threads from (4) the Indigenous Fire Management conceptual model. This paper brings together recommendations on Indigenous data sovereignty, which are principles developed by Indigenous researchers for the protection, dissemination, and stewardship of data collected from Tribal/Nation/Aboriginal/First Nations Indigenous communities. The proposed IFDS framework also identifies potential challenges to Indigenous fire data sovereignty. By doing so, the framework serves as an apparatus to deploy fire research and data harvesting practices that are culturally informed, responsible, and ethically demonstrated. The article concludes with specific calls to action for academics and researchers, allies, fire managers, policymakers, and Indigenous Peoples to consider in exercising Indigenous fire data sovereignty and applying Indigenous data sovereignty principles to fire research.

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)0,336
score de la tête « metaresearch » (Gemma)0,328
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,819

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3360,328
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,010
Études des sciences et des technologies0,0150,088
Communication savante0,0300,039
Science ouverte0,0070,028
Intégrité de la recherche0,0100,021
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,345
Écart entre enseignants0,224 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFireMême sujetFire effects on ecosystemsTravaux en français237 207