MétaCan
Menu
Retour à la cohorte
Enregistrement W4404778300 · doi:10.18357/kula.281

Mapping for Reconnection

2024· article· en· W4404778300 sur OpenAlexafffundvenue
Rebekah R. Ingram, Kahente Horn‐Miller

Notice bibliographique

RevueKULA knowledge creation dissemination and preservation studies · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensCarleton University
Organismes subventionnairesMinistère de l’Éducation, Gouvernement de l’OntarioCollege of Engineering, Michigan State UniversityGovernment of CanadaNational Park ServiceParks CanadaMichigan State University
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Indigenous place names contain knowledge of the landscape and encode unique perceptions of landscapes with which Indigenous Peoples have interacted for hundreds, often thousands, of years. However, many Indigenous place names have been lost as a result of colonization. Furthermore, many of these have been replaced with colonial place names, and their loss contributes to overall language attrition. In turn, the loss of language makes it difficult, or even impossible, to understand the concepts embedded within Indigenous place names that do remain in use. The documentation and conservation of place names is thus an important aspect of Indigenous language preservation and revitalization that can help facilitate reconnection with the language and the land. This paper outlines the Atlas of Kanyen'kehá:ka Space digital atlas project, an initiative that uses digital mapping to aid in the documentation and revitalization of the Kanyen'kéha (Mohawk) language through community participatory mapping of Kanyen'kéha place names and landscape-related language. It describes the initial stages of the Atlas of Kanyen'kehá:ka Space project, including its theoretical framework, the O'nonna model, and its community-based participatory methodology for digital mapping. It reports on a series of mapping workshops within three Kanyen'kehá:ka communities and shares initial findings and future directions for the project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0040,004
Communication savante0,0070,008
Science ouverte0,0020,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0720,015

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.

Tête enseignante Opus0,206
Tête enseignante GPT0,568
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueKULA knowledge creation dissemination and preservation studiesMême sujetMultilingual Education and PolicyTravaux en français237 207