Centering Communities in Great Lakes Restoration and Ecosystem-based Management Programs – Report to Healing Our Waters Coalition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A notable transformation is occurring across the US, Canada, and the globe, reframing “ecosystem restoration” as more than technical actions that improve the environment, but also as collective actions that explicitly acknowledge and include the human and social systems that coexist with biophysical systems. There is also increasing attention directed towards involving local communities in regional landscape restoration and conservation for both planning and long-term stewardship, to help ensure that ecosystems and their component communities are more resilient in the face of increasingly challenging stressors (e.g., legacy contamination, climate change effects, severe weather, and economic instability). This report provides: (1) an expanded science-, knowledge-, and practice-based narrative for Great Lakes Restoration that includes emphasis on community revitalization (i.e., increasing community agency and vitality, and fostering equity), based on integrated socio-ecological visions for the region; and (2) a set of prioritized implementation strategies to facilitate the systemization of this work. The impact of this research is to synthesize the results of a workshop held May 17-19, 2023, on how Great Lakes environmental programs can contribute to community and Indigenous well-being by considering and improving community capacity, broadening the scope of environmental education, developing qualitative and quantitative metrics of well-being, and broadening opportunities for cross-agency learning with Indigenous governments.
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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle