Indigenous Peoples and environmental research and monitoring within the Laurentian Great Lakes Basin: A systematic map
Notice bibliographique
Résumé
Abstract The North American Great Lakes basin faces management challenges worsened by climate change, invasive species and contaminants. Addressing these issues requires a collective approach, drawing on a diversity of perspectives and voices, including that of the Indigenous Peoples in the region—Tribal Nations, First Nations and Métis peoples. For these priorities and needs to be meaningfully included, Indigenous communities, Nations and Tribes must be supported to participate in and direct environmental research and monitoring through approaches that respect community‐based research and learning. However, the extent of environmental research and monitoring conducted with, for or by Indigenous Peoples (including Indigenous communities, Nations and Tribes) in the Great Lakes region is not well‐documented. Without a clear understanding of what research is taking place, where and how Indigenous Peoples are involved, it is difficult to assess whether these efforts are truly inclusive or aligned with Indigenous priorities—highlighting the need to systematically map and characterize these efforts. A systematic mapping protocol was applied to identify, gather and review English‐language peer‐reviewed literature on environmental research and monitoring in the Great Lakes basin conducted with, for and by Indigenous Peoples. Sixty studies were identified and included in the systematic map database gathered and analysed for this review. The systematic map reveals that 57% of the studies took place in or around Lake Superior. Many focussed on human health risk assessments, particularly related to environmental contaminant exposure. The role of Indigenous Peoples varied, with most studies reporting involvement at the data gathering and collection stage. Practical implication . This map describes the extent, focus and roles of Indigenous Peoples in Great Lakes research and monitoring, based on peer‐reviewed English literature. If this literature reflects broader research activity, findings suggest limited representation—only 19% of Indigenous communities and Nations across the basin were included, and few were engaged in early‐stage planning or priority setting. However, this literature likely underrepresents the full scope of Indigenous‐led or co‐developed work. To support more equitable Great Lakes research, future efforts should promote broader geographic inclusion, increased Indigenous leadership across all stages and greater transparency regarding Indigenous involvement.
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 | 0,041 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,055 | 0,044 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 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 ».