Identifying indigenous knowledge components for <i>Whudzih</i> (Caribou) recovery planning
Notice bibliographique
Résumé
In Canada, recent advances towards reconciliation have introduced new collaborations between Indigenous and non-Indigenous governments, including for species-at-risk recovery planning. During these collaborations, Indigenous Knowledge (IK) is often requested, however, clear expectations of what IK is being sought and how diverse knowledge systems will be woven to produce tangible benefits to species recovery are often limited. Here, we provide a case study of a two-stage process to identify and collect IK components that can aid whudzih (caribou) recovery planning. First, we surveyed non-Indigenous government professionals involved in caribou initiatives to specify what IK would benefit recovery planning. Responses were used to guide the development of semi-structured interview questions. Interviews were conducted with knowledge holders from Lhtako Dene, a Southern Dakelh Nation in British Columbia, Canada with historic socioecological ties to caribou. Responses of government professionals highlighted 24 topics for caribou recovery, and interviews with Lhtako Dene knowledge holders revealed strong linkages between ecological and social information types. In some cases, the IK requested was not available from knowledge holders. Collaborations for caribou recovery would benefit from clarity on expectations and outcomes of IK sharing. We suggest that structured processes that respectfully facilitate IK requests and collection become commonplace in species recovery planning.
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 | 0,001 | 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 | 0,007 | 0,000 |
| 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) | 0,000 | 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 ».