Traditional ecological knowledge and natural resource management
Notice bibliographique
Résumé
Introduction (Charles R. Menzies - University of British Columbia and Caroline Butler -University of Northern British Columbia)Part 1: Indigenous Practices and Natural Resources1: Tidal Pulse Fishing: Selective Traditional Tlingit Salmon Fishing Techniques on the West Coast of the Prince of Wales Archipelago (Steve J. Langdon - University of Alaska-Anchorage) 2: As it was in the Past: A Return to the Use of Live Capture Technology in the Aboriginal Riverine Fishery (Kimberly Linkous Brown) 3: The Forest and the Seaweed: Gitga'at Seaweed, Traditional Ecological Knowledge and Community Survival (Nancy J. Turner - University of Victoria and Helen Clifton - Elder of the Gitga'at Nation) 4: Ecological Knowledge, Subsistence, and Livelihood Practices: The Case of the Pine Mushroom Harvest in Northwestern British Columbia (Charles R. Menzies)Part 2: Local Knowledge and Contemporary Resource Management5: Historizing Indigenous Knowledge: Practical and Political Issues (Caroline Butler) 6: The Case of the Missing Sheep: Time, Space, and the Politics of Trust in Co-Management Practice (Paul Nadasdy - University of Wisconsin-Madison) 7: Local Knowledge, Multiple Livelihoods, and the Use of Natural and Social Resources in North Carolina. (David Griffith - East Carolina University) 8: Integrating Fishers' Knowledge into Fisheries Science and Management: Possibilities, Prospects, and Problems (James R. McGoodwin - University of Colorado-Boulder)Part 3: Learning from Local Ecological Knowledge: Practical Approaches9: Honoring Aboriginal Science Knowledge and Wisdom in an Environmental Education Graduate Program (Gloria Snively - University of Victoria) 10: Traditional Wisdom as Practiced and Transmitted in Northwestern British Columbia, Canada (John Corsiglia - University of Victoria)Afterword: Making Connections for the Future (Charles R. Menzies)
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 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 ».