Understanding Local Water Collaboration for the Potential to Enhance Community Source Water Protection at Chippewas of the Thames First Nation
Notice bibliographique
Résumé
First Nations in Canada are disproportionately affected by chronic drinking water insecurity (Bakker, 2012). In a 2011 National Assessment of water and wastewater systems in First Nations communities, Neegan Burnside (2011) found the two highest risks to drinking water were: risk of source water contamination, and lack of a community source water protection plan (Neegan Burnside, 2011). Within a watershed context, the influence of upstream water activities can impact the quality of source water for downstream drinking water systems. Inland water management in Ontario is a shared responsibility primarily between the province, conservation authorities, municipalities and First Nations. Community-level water security therefore is broader than on-reserve water management. For those communities located downstream in the watershed, water security requires collaboration with upstream water actors. Using a case study approach with the Chippewas of the Thames First Nations in southwestern Ontario, my research seeks to understand how collaboration between local water actors can support First Nations community-level source water protection. This presentation will address Objective 2 of my MSc thesis: to understand the attitudes, opinions, and experiences of First Nations, conservation authorities, and municipalities as it relates to water collaboration. I highlight results that include the meaning of collaboration to First Nations and water actors, the impact of provincial and federal policy on collaboration, the key challenges to watershed-based collaboration, and the opportunities for future water collaboration that supports community source water protection planning.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».