Understanding Indigenous knowledge of conservation and stewardship before implementing co-production with Western methodologies in resource management: A focus on fisheries and aquatic ecosystems
Notice bibliographique
Résumé
In the face of an increasing global human population and multiple anthropogenic environmental stressors including climate change, the limitations of relying solely on Western science and approaches to mitigating impacts, conserving biodiversity, and managing resources sustainably is apparent. Many Indigenous Peoples have lived sustainably as part of their respective environments for millennia, passing conservation and management practices down generations despite colonization and genocide. Long-standing Indigenous knowledge and philosophies offer alternate worldviews that can complement Western conservation and resource management and may strengthen efforts to restore environmental integrity and conserve species and ecosystems. Researchers often tout the co-production of knowledge with Indigenous collaborators using frameworks like the Kaswentha (Two Row Wampum—Haudenosaunee) and the Etuaptmumk (Two Eyed Seeing—Mi’kmaw) without first seeking to understand the foundations of Indigenous knowledge itself, and its deep roots in environmental sustainability. We develop a thesis of the embedded relational nature of Indigenous knowledges and the unique strengths and perspectives that must be understood before effective and ethical co-production can be possible. We contend that Indigenous knowledge must be treated as a distinct framework to inform conservation and stewardship of biodiversity and nature, rather than selectively integrating it into Western science. Building relationships with local Indigenous nations will help actualize sustainable practices that are rooted in millennia of empirical data. This will help to promote a shift toward a holistic and relational worldview for more impactful conservation action.
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 | 0,021 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,061 |
| Communication savante | 0,011 | 0,024 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».