Strengthening community‐based fisheries monitoring programs with Indigenous perspectives
Notice bibliographique
Résumé
Community-based monitoring (CBM) programs are increasingly recognized as essential for adaptive environmental stewardship. Yet, the CBM literature often highlights successful cases and privileges evaluations by external experts over those of community members themselves. To address this gap, we drew on insights from 23 semistructured interviews with Cree fishers, community members, and program administrators of the James Bay Cree Nation of Wemindji (Eeyou Istchee, northern Québec). The respondents participated in a 22-year subsistence fishing monitoring program. Interviews explored participants' experiences with the program and their interpretations of interannual variations in fishing activity based on the monitoring data. Although a general decline in annual fish catches was observed, data accuracy and utility were constrained by inconsistencies in monitoring protocols. Respondents identified several opportunities for improvement, including expanding fishers' roles beyond data collection; incorporating Cree knowledge, particularly women's knowledge, in program design; and ensuring the timely and accessible communication of results. Our findings showed that CBM initiatives grounded in full Indigenous participation at all stages-from design to data interpretation and use-can enhance both program outcomes and self-determined environmental stewardship. To support similar efforts elsewhere, we codeveloped an evaluation rubric outlining key criteria for assessing and strengthening current and future Indigenous CBM programs.
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 | 0,000 | 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 ».