The Community Citizen Scientist in First Nation Communities Subtitle: The Garden Stewards in First Nations in Northern Ontario, Case Study
Notice bibliographique
Résumé
This case study explores the Braiding Food Systems project, which researches and builds capacity with First Nations in Northern Ontario. By combining Indigenous knowledge with scientific insights, the project supports community-driven food system activities, enhancing local ownership and resilience in food production. It evaluates the Participatory Citizen Science Approach, involving Garden Stewards in three First Nations to promote sustainable food production, strengthen community capacity, and support food sovereignty. Over five months in 2024, five Garden Stewards participated in activities, monitored gardens, and collected plant growth data. The methodology followed Indigenous Food Systems principles, using a Soft Systems Thinking approach within a One Health framework, connecting human, animal, environmental, and socio-cultural health. The project employed a three-phase learning framework: (1) Learning for Action (capacity development), (2) Learning in Action (data collection), and (3) Learning from Action (reflection and refinement). It identified opportunities and challenges in promoting sustainable food production in northern climates, yielding key outcomes such as improved plant resilience and pest management strategies. Integrating Indigenous knowledge with scientific insights proved essential for food security and sovereignty. Community engagement was vital for local ownership and sustainability. Nonetheless, communication issues, data collection challenges, and technology application difficulties arose in remote areas. This study illustrates citizen science's potential to enhance understanding and empower communities while highlighting the importance of merging Indigenous knowledge with scientific methods to boost adaptive capacity and promote food sovereignty. Findings stress the need for context-specific strategies to overcome communication and technology barriers for sustainable food systems in Indigenous communities across Canada.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,033 | 0,008 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».