Indigenous Women’s Knowledge: Prairies, Power, and Plants
Notice bibliographique
Résumé
Although many people think that bison and men hunting bison were central to the story of Indigenous peoples on the northern Great Plains, Rosalyn LaPier argues that plants and women harvesting plants were essential to Indigenous peoples livelihoods, their ecological understanding, and religious practice. She will explore the world of Amskapi Piikani or Blackfeet women and those who identified with womanhood from the 19th century to the present on the prairies of North America. In fall 2022, LaPier joined the faculty of the Department of History at the University of Illinois, Urbana-Champaign; she also holds an appointment as a Research Associate at the National Museum of Natural History, Smithsonian Institution. Her work is within Indigenous communities to revitalize Indigenous and traditional ecological knowledge (TEK), to address environmental justice & the climate crisis, and to strengthen public policy for Indigenous languages. Dr. LaPier is an enrolled member of the Blackfeet Tribe of Montana and Métis. She is one of eight Indigenous professors nationally in an Environmental Studies/Sciences/Sustainability department and the first and only Blackfeet tribal member to be in a tenure-track position and to receive tenure from the University of Montana. LaPier also co-founded Saokio Heritage, a community-based organization which is led by Indigenous women and serves as a platform to amplify Indigenous women activists and writers. She is currently working on her third book, tentatively titled, Plants that Purify: Essays on the Ecology of Blackfeet Womanhood. LaPier’s book, Invisible Reality: Storytellers, Storytakers, and the Supernatural World of the Blackfeet won the 2018 John C. Ewers Book Award for best book on ethnohistory of North America and the 2018 Donald Fixico Award for best book on American Indian and Canadian First Nations History.
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 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,015 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».