Indigenous Peoples Resilience Fund: Building Infrastructure for Indigenous Philanthropy
Notice bibliographique
Résumé
This report presents a brief overview of the Indigenous Peoples Resilience Fund (IPRF): a multi-funder, Indigenous-led initiative established to support Indigenous communities across Canada as they respond to the current health crisis. In doing so, IPRF also contributes to the construction of an Indigenous philanthropic infrastructure in Canada.The report is based on several conversations with key stakeholders in the process of establishing the IPRF. Two in-depth semi-structured interviews with individuals that started the initiative: Bruce Lawson, CEO of the Counselling Foundation of Canada; Victoria McKenzie Grant, Teme-Augama Anishnabai Kway (Woman of the Deep Water People) and Wanda Brascoupé, Kanien'keha, Skarù r?', Anishinabe, as representatives of the Indigenous Peoples Resilience Fund. Along with these conversations, the analysis also draws on conversations with Andrew Chunilall, CEO of Community Foundations Canada (the host partner of IPRF), and Jennifer Brennan, Head of Canada Programs at the Mastercard Foundation, which participated in initial funder consultations that preceded the establishment of the fund. Information on IPRF objectives, priorities, and future steps come from a draft version of the IPRF founding document, which was made available by the three key informants. The interviews were conducted in the first half of May 2020.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».