Rethinking natural hazards research and engagement to include co-creation with Indigenous communities
Notice bibliographique
Résumé
Internationally there is no single agreed definition of Indigenous peoples, and here we use Indigenous as an all-encompassing international term (in Canada this includes First Nations, Métis and Inuit). The United Nations Office for Disaster Risk Reduction (UNDRR) reports 1 that 476 million people in more than 90 countries identify as Indigenous and ~20% of the Earth is covered by Indigenous territories. Consequently, Indigenous peoples globally live at risk from natural hazards (e.g., volcanic eruptions, landslides, earthquakes) and also receive benefits from living in active geological areas (e.g., fertile soils, tourism, geothermal power). According to 2021 Canadian census data 2 , in the Province of British Columbia (B.C.) there are 290,210 people who identify as Indigenous, with 180,085, 97,865 and 1725 people self-identifying as First Nations, Métis and Inuit, respectively. All these people are susceptible to natural hazards and, as illustrated by Fig. 1 , the largest volcanic eruptions, earthquakes, landslides, wildfires, and floods in British Columbia, Canada have all affected Indigenous territories. Thus, given the global spatial overlap between Indigenous peoples and natural hazards, and the need for meaningful collaboration, both research and Indigenous local knowledge should be shared for mutual benefit. Here, we outline how the Nisg̱a’a First Nation and volcanology researchers have initiated and maintained a fruitful collaboration with bi-lateral knowledge exchange and resource co-creation. Furthermore, this comment article is co-written by non-Indigenous volcanology researchers based at universities (Jones and Williams-Jones) and a government organisation (Le Moigne) and by Indigenous scholars of the Nisg̱a’a First Nation, based at a post-secondary education establishment (Nyce and Nyce Jr.).
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».