“When your participants cannot speak”: Exploring the potential for participatory mapping to represent the geographies of more‐than‐human actors
Notice bibliographique
Résumé
Abstract This study examines the use of participatory mapping as a method to represent the values of non‐human entities (more‐than‐humans) in socio‐ecological landscapes. This research seeks to bridge the gap between theoretical developments in more‐than‐human geographies and their practical landscape‐level applications. Through a combination of literature review, as well as participatory mapping interviews and focus groups conducted with 28 participants along Mission Creek in British Columbia, this research explores if and how human proxies can represent the interests of non‐human beings through space. The findings reveal several difficulties in translating more‐than‐human values into mappable spatial data, as well as ethical tensions in balancing human and more‐than‐human priorities for landscapes. We find that there is value in integrating diverse perspectives, such as Indigenous knowledge, citizen science, and children's observations, which contribute nuanced insights into species’ needs, habitat relationships, and ecological processes. Lastly, we also find that participatory mapping may encourage reflexive and relational socio‐ecological thinking, which may promote more inclusive and sustainable environmental decision making. This research contributes to the development of more‐than‐human geography by providing practical insights into the methodological and ethical complexities of representing more‐than‐humans and may also advance efforts toward identifying methods to encourage sustainable and equitable landscape management.
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 | 0,123 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,030 | 0,042 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,004 | 0,018 |
| Intégrité de la recherche | 0,004 | 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 ».