Learning from past collaborative experiences: setting a pathway for natural sciences and engineering researchers to support Indigenous-driven aims
Notice bibliographique
Résumé
In efforts to contribute towards reconciliation, some researchers have shown increased interest in collaborative work with Indigenous Peoples. However, those in technical fields, such as the natural sciences and engineering, are not traditionally trained in how to carry out Indigenous-driven research. This study learned from the successes and challenges of past technical research collaborations to better understand how these researchers can act as stronger allies. Qualitative interviews were carried out with five members of Indigenous communities and 35 researchers. The results showed diverse experiences and the need for more collaborative frameworks and supportive institutional environments within the natural sciences and engineering. Findings highlighted the wide range of issues to be considered in such work, grouped into (1) assessing personal preparation and mindset; (2) building and maintaining relationships; (3) community-aligned benefit; (4) practical and financial considerations; and (5) knowledge sharing and communication. In addition, participants identified institutional-level factors that could help (e.g., mentorship) or hinder (e.g., current recognition structures in many technical fields) efforts to carry out Indigenous-driven technical research. These results may stimulate and contribute to necessary work in the natural sciences and engineering on processes for equitable and thoughtful engagement with members of Indigenous communities to support Indigenous-driven research.
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 | 0,071 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,035 | 0,021 |
| Communication savante | 0,019 | 0,025 |
| Science ouverte | 0,006 | 0,051 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».