Towards Haudenosaunee research sovereignty: Investing in local research and training to support community development
Notice bibliographique
Résumé
Towards Haudenosaunee research sovereignty: Investing in local research and training to support community development The article emphasizes the importance of Indigenous Research Governance in Six Nations of the Grand River, addressing the harmful historical effects of academic research on Indigenous Peoples and advocating for structural changes that promote Indigenous data sovereignty and community ownership of research. In both Canada and the United States, academic research has long been part of the colonial project (Hodge, 2012; Williams et al., 2020). The impact research has had on Indigenous Peoples has resulted in a legacy of deep mistrust and negative perception of research by many Indigenous communities (Garrison et al., 2023). Indigenous scholars and leaders who have advocated for repairing this relationship have led major transformations away from the way in which research has traditionally been approached and administered. Most recent paradigm and policy shifts seek to support the establishment of self-determined Indigenous Research Governance (Garba et al., 2023; Morton et al., 2017), which encapsulates many interconnected key concepts, including Indigenous data sovereignty (Schnarch, 2004; Kukutai & Taylor, 2016; Cannon et al., 2024), Indigenous research ethics (Castellano, 2004; Kuhn et al., 2020; Fournier et al., 2023), Indigenous/ decolonizing methodologies (Kovach, 2009; Smith, 2021), and Indigenous epistemologies (McGregor et al., 2010; Karanja, 2019).
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 | 0,026 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,002 | 0,033 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».