DRAFT Guidebook for Community-Driven Data Management in the Arctic - Summary and Table of Contents (Alaska and northwestern Canada, 2024-2025)
Notice bibliographique
Résumé
This project has supported the development of a “Guidebook for Community-Driven Data Management in the Arctic”, designed to strengthen planning, implementation, and long-term stewardship of data generated through community-based research and monitoring programs. Community-driven research plays a critical role across Arctic regions by documenting environmental change, supporting food security and hazard mitigation, safeguarding Indigenous knowledge and place-based observations, and advancing local priorities. As attention to Indigenous sovereignty and leadership in research has grown, so too has the need for practical guidance on data management that centers community control, governance, and use of data. The guidebook addresses a recognized gap by framing data management as more than technical storage, instead emphasizing questions of ownership, access, sensitivity, sharing conditions, technology choices, and long-term sustainability. It is structured to (1) introduce foundational concepts and terminology in accessible language; (2) provide tools and templates to support collaborative data management planning and agreements; (3) offer guidance on sustaining data systems and meaningful data use over time; and (4) present case studies from Alaska and Northwest Canada illustrating real-world challenges and successes. This dataset is a draft summary of the guidebook along with a table of contents and is not the full/completed guidebook. The guidebook will be published and this entry will be updated as soon as it is completed.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».