MétaCan
Menu
← Retour à la cohorte
Enregistrement W7116757322 · doi:10.5751/es-16744-300454

Mi'kmaw lessons for realigning land relations in Bay of Fundy dykelands and tidal wetlands

2025· article· en· W7116757322 sur OpenAlexfundvenueno aff
Emily Wells, Kara Pictou, Melanie Zurba, Kate Sherren

Notice bibliographique

RevueEcology and Society · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaDalhousie University
Mots-clésBayWetlandClimate changeCoastal managementAction (physics)HabitatAdaptation (eye)Current (fluid)

Résumé

récupéré en direct d'OpenAlex

For the Mi'kmaq First Nation, the hypertidal Bay of Fundy has long been a source of sustenance, stories, and so much more. Starting in the 1600s, French settlers (locally called Acadians) converted much of the coast’s tidal wetlands to agricultural dykelands. Climate change currently threatens the diversified dykeland system, leading to complex decisions around how to adapt: restoring dykes to tidal wetlands, realigning (pulling back) dykes, and/or raising dykes in their current footprint. This community-engaged study aimed to document how the Mi'kmaq navigate coastal adaptation decision making on the Bay of Fundy coast, including how the Mi'kmaq value the focal landscapes and balance different adaptation approaches. Interviews with Mi'kmaq traditional knowledge holders and non-Indigenous key informants demonstrated nuanced perspectives on dykeland futures, recognizing some benefits of dykelands but pushing for tidal wetland restoration where possible, not just for the benefit of the Mi'kmaq, but for all relations, human and non-human. Mi'kmaw insights on relational governance, pluralistic decision making, and reconciliation through land-based action hold vital lessons for the Bay of Fundy and beyond.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,014
Communication savante0,0050,005
Science ouverte0,0010,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,379
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology and Society→Même sujetIndigenous Studies and Ecology→Travaux en français237 207→