MétaCan
Menu
Retour à la cohorte
Enregistrement W4403481368 · doi:10.1139/as-2023-0054

Methods and approach to the interdisciplinary and cross-cultural <i>Arctic Alaska Salmon Workshop</i>: critical self-reflections from fisheries scientists

2024· article· en· W4403481368 sur OpenAlexvenueno aff
Elizabeth D. Lindley, Peter A. H. Westley

Notice bibliographique

RevueArctic Science · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Ecology, Wildlife Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFisheryArcticGeographyThe arcticOceanographyEnvironmental ethicsSociologyGeologyBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Redistribution and shifting habitat envelopes are impacting organisms across many taxa, which in turn are impacting Indigenous ways of life. In Arctic Alaska, Pacific salmon are known to have occurred for at least a century, but in recent years appear to be increasingly common. With the goal of holistically understanding and describing these changes in a way that equitably considers Indigenous, local, and western knowledge, we share our experience and methodologies in facilitating the Arctic Alaska Salmon Workshop. We share our perspective, approach, and methods as fisheries natural scientists convening this workshop, which included community-based knowledge holders from the Iñupiat communities of Kotzebue, Point Hope, Utqiaġvik, and Kaktovik, and western scientists and researchers from universities, fishery management agencies, and local community government. After briefly discussing some of the workshop highlights, we conclude with four key takeaways: (1) that the process of co-production of knowledge is an ideal towards, which we must strive, but acknowledge we may rarely, if ever, fully achieve, (2) pursuit of the “good science” should guide our work, (3) examination and assessment of assumptions should occur early and often, and (4) Anglanikina! Make sure you have a good time, (Yup'ik).

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,004
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,416
Écart entre enseignants0,372 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetConservation, Ecology, Wildlife EducationTravaux en français237 207