INTEGRATING INDIGENOUS VALUES AND COMMUNITY STRENGTHS TO ACHIEVE INDIGENOUS FOOD SOVEREIGNTY AND COMMUNITY WELL-BEING IN THE KA’A’GEE TU FIRST NATION, NORTHWEST TERRITORIES
Notice bibliographique
Résumé
Northern Indigenous communities face disproportionate impacts from interconnected challenges related to climate change, food security, health, and cultural preservation, that threaten traditional food systems and practices. While there is a growing recognition of the importance of community-driven solutions, existing frameworks fail to integrate Indigenous values and local priorities effectively. This research addresses this gap by exploring how the Ka’a’gee Tu First Nation (KTFN) is responding to these crises through climate change adaptation efforts focused on food system sustainability as a pathway to self-sufficiency and community well-being. To contribute to these efforts, this dissertation uses Participatory Action Research to facilitate community-driven planning and action intended to improve access to healthy foods, foster knowledge-sharing, create employment opportunities, and encourage engagement in local food governance. This research introduces a novel framework, the Community Agroecological Values Framework (CAVF), which integrates the Community Capitals Framework and Agroecology to prioritize Dene values in the planning process. I characterize Kakisa’s food system, map traditional food-sharing networks, and identify critical resources and synergies to strengthen community and regional food systems. Findings highlight the contributions of Kakisa’s traditional food-sharing networks in supporting food sovereignty, cultural preservation, and social cohesion, while identifying barriers such as resource limitations and governance misalignments. This work provides recommendations for fostering sustainable food systems in northern communities by integrating traditional and modern practices, regional collaboration, and systemic change. Future research should focus on enhancing governance structures, strategies for building local capacity, and fostering regional partnerships to ensure long-term viability.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».