Making room for meaningful inclusion of Indigenous and local knowledge in global assessments: our experiences in the values assessment of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services
Notice bibliographique
Résumé
In recognizing the urgent need to address global challenges such as biodiversity loss, food insecurity, and climate change, it is essential to incorporate diverse knowledge systems, including Indigenous worldviews and knowledge of nature. The Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services (IPBES) has taken significant steps to integrate Indigenous and local knowledge (ILK) as well as the viewpoints of Indigenous peoples and local communities (IPLC) into its thematic and methodological assessments. This inclusive approach enriches our understanding of nature and enhances our ability to tackle these pressing global issues. The recently published IPBES Report on Diverse Values and Valuation of Nature, also known as the values assessment (VA), includes Indigenous scholars and ILK experts as authors. The VA provides an interdisciplinary synthesis of existing knowledge on the various ways in which humans value nature, as well as the methods and approaches for understanding these values. It also examines the extent to which these values are integrated into decision-making structures and processes. We are a group of Indigenous scholars and ILK experts from the Global South who participated in the VA, specifically in Chapter 3’s “ILK Team.” The value of including IPLC in knowledge-synthesis initiatives is highlighted by our experiences. There are opportunities to improve the inclusion of ILK in similar assessments. The lessons we learned while working at the VA have motivated us to recommend that future assessments and similar initiatives should actively involve IPLC, their knowledge systems, and their ancestral wisdom.
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 | 0,073 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,026 | 0,029 |
| Communication savante | 0,015 | 0,020 |
| Science ouverte | 0,004 | 0,026 |
| Intégrité de la recherche | 0,008 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».