A Cree indiánoktól a globális környezeti politikáig: Beszélgetés Fikret Berkessel
Bibliographic record
Abstract
Fikret Berkes (BSc, PhD, Fellow of the Royal Society of Canada) a Manitobai Egyetem elismert emeritus professzora. Berkes professzor vezető szerepet tölt be a társadalmi ökológiai rendszerek és azok ellenálló képességének (rezilienciájának) a nemzetközi kutatásában, továbbá a közjavak elméletének és a hagyományos ökológiai tudásnak a vizsgálatában. Gazdag tapasztalatokat szerzett az észak-kanadai őslakos törzsekkel végzett közös kutatásai során. Dolgozott együtt Brazília tengerparti vidékeinek nagy tudású helyi lakosaival csakúgy, mint Észak-Norvégia, Új-Zéland, India, Banglades, Törökország, Thaiföld, Kirgizisztán és Taiwan hagyományos tudásőrzőivel. Megszentelt ökológia (Sacred Ecology) című könyve, amely 2014-ben elnyerte az Amerikai Ökológiai Társaság (ESA) Fenntarthatósági Tudomány Díját, sokak számára a hagyományos tudás alapkötete; kutatók és gyakorlati szakemberek egyaránt széles körben használják. Berkes professzor több mint 200 tudományos publikáció, közöttük 10 könyv szerzője. Írásai kiemelkedően olvasottak: több mint 47 000 hivatkozását tartja számon a Google Scholar, Hirsch-féle h-indexe 87. Alapítója és korábbi elnöke a Közjavak Kutatásának Nemzetközi Egyesületének (International Association for the Study of Commons), valamint a szervezet által odaítélt Elinor Ostrom díj kitüntetettje szenior kutató kategóriában. Bekapcsolódott a Millenniumi Ökoszisztéma Felmérésbe (MEA), az ENSZ Fejlesztési Program Egyenlítői Kezdeményezésének (UNDP Equator Initiative) természetvédelemhez kapcsolódó feladataiba, valamint a Biodiverzitás és Ökoszisztéma Szolgáltatások Kormányközi Platform (IPBES) munkájába. Utóbbiban az UNESCO szakértőjeként vesz részt az Őslakos és Helyi Tudás Munkacsoport (Task Force on Indigenous and Local Knowledge) munkájában.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.008 | 0.006 |
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; both teacher heads agree on what is shown here.
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".