Weaving ways of knowing in practice: a collaborative approach to prioritizing community knowledge and values in wildlife camera monitoring with Magnetawan First Nation
Notice bibliographique
Résumé
There is not one singular way to weave together Indigenous and Western knowledges; creating meaningful cross-cultural collaborations requires a foundation of relationships rooted in the context of specific people and place. As interest in working across knowledge systems increases, our goal is to provide an example of respectful and appropriate cross-cultural collaboration within environmental practice. We demonstrate our collaborative, mixed-methods approach to developing a community-based wildlife monitoring program with Magnetawan First Nation that prioritizes community knowledge and values. Through community interviews and a youth sharing circle, participants highlighted values (respect, interconnection, reciprocity, collaboration, and relationship) as well as research priorities, providing examples of what each may look like in practice, to inform our monitoring approach. These examples, paired with reflections from the research team, are shared to explore the process of weaving together knowledge and values to co-create a community-based wildlife monitoring program, applying wildlife cameras as much more than simply a tool for data collection. This research provides tangible examples of weaving together knowledges and values in the context of environmental monitoring, helping guide future cross-cultural collaboration to ensure this work is being done in a good way.
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 | 0,039 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,031 | 0,023 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,003 | 0,025 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 ».