“Where the Moose Were”: Fort William First Nation’s Ancestral Land, Two–Eyed Seeing, and Industrial Impacts
Notice bibliographique
Résumé
A two-eyed seeing approach considered Indigenous knowledge and Western science towards eco–health, reconciliation and land back with Fort William First Nation (FWFN) in Ontario, Canada. To map traditional land use, occupancy, and ecological knowledge, we interviewed 49 FWFN members about their hunting, fishing, trapping, plant harvesting, cultural sites, and sacred gatherings on their ancestral land. Their traditional land use and occupancy includes more than 7.5 million ha of their ancestral land. The FWFN members reported many industrial impacts on their reserve and ancestral land. We analyzed the normalized difference vegetation index (NDVI) change over time on FWFN’s ancestral land and the Thunder Bay Pulp and Paper Mill (TBPP)’s National Pollutant Release Inventory data to investigate the FWFN members’ ecohealth concerns. The NDVI analysis revealed large tracts of degraded FWFN’s ancestral land due to logging areas, mining claims, settlements, and paper mills. Mining claims and greenstone belts occupy a quarter of the FWFN members’ ancestral land. The TBPP mill dumped pollution into the Kaministiquia River upstream and upwind of the FWFN community, exposing FWFN members to kilotons of cancerous and other toxic chemicals each year for over a century. Resource extraction and pollution in Northwestern Ontario negatively impacted the human health and ecosystem integrity of FWFN, requiring reconciliation by restoring damaged land and preventing pollution as the starting point for land back. The first step to land back is ending the environmental racism of the TBPP’s pollution directed downstream and downwind of FWFN and protecting ancestral land against logging, mining, and other extractive industries.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».