Cooperative community wildfire response: Pathways to First Nations’ leadership and partnership in British Columbia, Canada
Notice bibliographique
Résumé
With the growing scale of wildfires, many First Nations are demanding a stronger role in wildfire response. Disproportionate impacts on Indigenous communities (including First Nations, Métis, and Inuit) in Canada are motivating these demands: although approximately 5 % of the population identifies as Indigenous, about 42 % of wildfire evacuation events occur communities that are more than half Indigenous. In what is now known as British Columbia, Canada, new pathways for cooperative wildfire response between First Nations and provincial agencies are emerging. Drawing from semi-structured interviews with 15 experts from First Nations communities and agencies, and a review of 42 documents on wildfire response, our research highlights the diverse existing capacities, priority opportunities, and processes required to enhance cooperative pathways. Within First Nations communities, existing capacities include local knowledge, firefighting experience, equipment, funding, relationships, and leadership – an overlooked but fundamental capacity. Priority opportunities include ways to build capacity within and beyond wildfire response, such as fully equipped response crews, full-time year-round wildfire management crews, Emergency Management Coordinators, First Nations Liaisons, and cross-trained wildland and structural crews. Translating existing capacities into priority opportunities requires an ongoing focus on cooperative processes, including relationship-building, respecting Rights and Title, streamlining funding, and enabling “cultural safety” to overcome racism. These cooperative pathways can help transform wildfire governance toward First Nations-led partnerships.
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 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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».