Advancing Equity in Geosciences: Insights and Actions from the Canadian EDI Landscape
Notice bibliographique
Résumé
The geosciences are at a pivotal moment as institutions, organizations, and individuals confront long-standing inequities to create a more inclusive and representative future. As a geoscientist actively engaged in equity, diversity, and inclusion (EDI) initiatives, I have witnessed both the barriers and breakthroughs shaping this transformation. Notably, the geosciences have some of the poorest metrics for diversity, equity, and inclusion (DEI) in STEM disciplines. Guided by the principle, “What gets measured, gets done,” my work has focused on quantifying EDI impacts to drive meaningful progress.Drawing on my role as an executive member of the Canadian Geophysical Union’s EDI Committee, I will present key findings from a comprehensive EDI report on representation statistics from Canadian Geophysical Union conferences since 2018. As a director on the board of Women Geoscientists in Canada, a prominent organization supporting women in technical roles, I will highlight the challenges and successes in addressing gender imbalance and improving diversity within the mining industry.Lastly as a federal research scientist working on critical mineral exploration and green energy transitions, I will explore how EDI efforts can advance community engagement, inclusive excellence, interdisciplinary collaboration, ethical fieldwork, and environmental justice. By sharing these experiences across government, industry, and academia, this presentation will offer actionable strategies to address barriers and inspire collaboration for a more equitable future in Canadian geosciences.
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 | 0,017 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,064 | 0,028 |
| Communication savante | 0,028 | 0,009 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».