Indigenous owned aquatic monitoring programs in the Inuvialuit Settlement Region work: an adaptive framework with example traditional and local knowledge quotes and coastal marine water quality data collected from 2019 to 2022 near Sachs Harbour and Ulukhaktok
Notice bibliographique
Résumé
Canadian Arctic residents are experiencing longer open water seasons and observing significant change in aquatic species and habitats. Rapid ecosystem change threatens Inuit peoples food security and adds to existing generational trauma caused by ongoing colonialism and industrialization. Indigenous owned environmental monitoring programs prioritize safety, support community empowerment, and self-determination to increase the understanding of and resilience to the impacts of this human caused global climate crisis. To this end, in 2019 local expert fishers and hunters from the Inuvialuit Settlement Region worked collaboratively with an independent research scientist to start up community owned aquatic monitoring and observation (AMO) programs in Sachs Harbour and Ulukhaktok in the Inuvialuit Settlement Region. The field teams received training to collect year-round data of lake and coastal water quality data using scientific instruments that measure water temperature, conductivity/salinity, turbidity, and dissolved oxygen with depth from the surface down to 150 m. ROV’s, drones, and hydrophones extend observations and traditional and local knowledge directs the programs. External clients can hire the teams to augment core funding. AMO teams are finalizing their program and data ownership protocols, which are informed by the Canadian UNDRIP Act and OCAP® principles. Indigenous owned, directed, and operated environmental monitoring programs justly deserve funding priority and ongoing public support to help conserve and protect critical areas for future generations.
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 | 0,002 | 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 | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».