New Insights into the Cleaning of Paintings: Proceedings from the Cleaning 2010 International Conference, Universidad Politécnica de Valencia and Museum Conservation Institute
Notice bibliographique
Résumé
The present volume brings together the papers and posters presented at the “Cleaning 2010 International—New Insights into the Cleaning of Paintings” conference that was held at the Universidad Politécnica de Valencia in Spain, in collaboration with the Smithsonian’s Museum Conservation Institute. This was the first major international conference on this topic in two decades. The 20 papers and 19 extended abstracts presented at the conference are included in this publication, grouped into four main categories: Ethics, Aesthetics, Training, and Documentation; Traditional Media: Egg Tempera and Oil; Modern Paints; and Cleaning systems. Within each category, the papers and extended abstracts are grouped by the specific topic they address tomake it easier for the reader to find all related material in one section. A summary of panel discussions held at the end of the conference has also been included. All papers and abstracts included in this publication have been peer reviewed. The aim of the conference was to provide a knowledge exchange forum and to produce a publication that assembles the latest developments in the various studies addressing the problems that affect paintings. These range from normal soiling to removal of aged varnishes, from the effect of solvents on paints to the subsequent changes in their mechanical behavior. The cleaning of unvarnished paintings is one of the most critical issues that was discussed. Finally, different cleaning techniques, such as gels, soaps, enzymes, ionic liquids, and foams, as well as various dry methods and lasers, are discussed in various papers and extended abstracts. Although the conference was organized in Spain, the United States contributed 21% of the contents, followed by Spain and Italy, both with 16%; the United Kingdom and Germany, each with 9%; and Canada, the Netherlands, and Portugal, all with 5%. The rest are individual contributions from Australia, Norway, Switzerland, Poland, and Greece.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».