Une approche de recherche en écosanté peut-elle aider à résoudre les problématiques liées aux chiens à Kuujjuaq ?
Bibliographic record
Abstract
Au Nunavik, les politiques publiques relatives aux chiens sont calquées sur celles du sud du Québec et ne tiennent pas compte des normes ni des pratiques culturelles des Inuit. Ces politiques appellent des pratiques génératrices de tension et les interventions relatives aux chiens qui s’y appuient obtiennent, au mieux, un succès mitigé. Prenant en considération ces résultats, de même que la complexité des problématiques liées aux chiens, rapportées tant par des habitants du Nunavik que par les autorités locales et provinciales, une équipe de recherche interdisciplinaire a développé un projet utilisant l’approche écosanté en collaboration avec plusieurs partenaires locaux. Après avoir présenté le contexte entourant la gestion des chiens à Kuujjuaq, l’article propose une analyse des facteurs favorisant ou nuisant à la résolution des problématiques liées aux chiens. L’article montre ensuite la manière dont le projet écosanté interagit avec ces facteurs pour le développement de solutions efficaces et durables à ces problématiques, menant ultimement à des changements de pratiques et de politiques publiques entourant la gestion des chiens à Kuujjuaq.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.027 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.009 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.004 | 0.006 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".