Exercising rights over data: a journey towards First Nations data sovereignty in Canada
Notice bibliographique
Résumé
This article examines the journey towards First Nations data sovereignty in Canada, with a focus on the pivotal role of the First Nations Information Governance Centre (FNIGC) and its First Nations Data Governance Strategy (FNDGS). Framed within the context of Canada's commitment to reconciliation and recognition of Indigenous rights, the FNDGS represents a significant step towards self-determination through ownership and control of data. The article discusses the historical context of colonization and its impact on data governance capacity among First Nations, highlighting the emergence of the FNDGS as a transformative force. It explores the foundational principles of the FNDGS, emphasizing the importance of data sovereignty as a tool for empowerment and self-governance. The implementation phases of the FNDGS are outlined, showcasing a multi-phased approach that prioritizes data capacity building through community-driven and nation-based principles and approaches. Additionally, the commentary discusses the lessons learned from the COVID-19 pandemic and the imperative of Indigenous-led data strategies to mitigate the risks of a future pandemic. It concludes by reflecting on the prospects of the FNDGS and its critical role alongside Canada's continued commitment to Indigenous rights in realizing true data sovereignty for First Nations.
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 | 0,018 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,050 | 0,035 |
| Communication savante | 0,029 | 0,010 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».