MétaCan
Menu
Retour à la cohorte
Enregistrement W4407125925 · doi:10.14714/cp106.1907

Every Mapping Project Needs a Fire Keeper: Lessons from the Kanehsatà:ke Land Defense Mapping project.

2025· article· en· W4407125925 sur OpenAlexaffabout
Léa Denieul

Notice bibliographique

RevueCartographic Perspectives · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental resource managementEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This paper explores the critical yet often overlooked aspect of maintenance in decolonial and Indigenous mapping projects. Indigenous communities across Canada have developed alliances with university researchers to develop mapping projects that communicate their relationships to land to outsiders. However, without ongoing maintenance and care, maps can deteriorate or be repurposed in ways that can be harmful to Indigenous communities. I introduce the “fire keeper” as a person or group of people tasked with maintenance, care, and responsibility for the life cycle of maps incorporating Indigenous data. Using the Kanehsatà:ke Land Defense mapping project developed with a Kanehsatakeró:non Land Defender as a case study, I describe how the role of the fire keeper facilitated the adaptation and evolution of the map in response to the Land Defender’s changing objectives. Maintaining the Kanehsatà:ke Land Defense mapping project became an exploration of options rather than a rush to deliver an output. Based on a series of four semi-structured interviews that I conducted with (1) a campaigner, (2) a digital media strategist, (3) university students, and (4) a Québécois history enthusiast, the Land Defender was able to make strategic decisions about how the Kanehsatà:ke Land Defense mapping project should be deployed and which objectives and audiences, if any, would best support the reclamation of Kanehsatakeró:non lands while also protecting their geospatial and archival intellectual property. The paper concludes by encouraging mapmakers to dedicate more time, energy, and resources to map maintenance than they currently do.

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)0,013
score de la tête « metaresearch » (Gemma)0,023
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,899

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0390,011
Communication savante0,0100,010
Science ouverte0,0040,008
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,021
Tête enseignante GPT0,254
Écart entre enseignants0,233 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCartographic PerspectivesMême sujetRangeland and Wildlife ManagementTravaux en français237 207