MétaCan
Menu
Retour à la cohorte
Enregistrement W2070574125 · doi:10.3138/carto.47.1.29

The Weak-State Cadastre: Administrative Strategies to Build Territorial Knowledge in Post-colonial Argentina (1824 to 1864)

2012· article· en· W2070574125 sur OpenAlexvenueno aff
Pierre Gautreau, Juan Carlos Garavaglia

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Cultures and History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCadastreState (computer science)Field (mathematics)GeographyFunction (biology)Regional scienceProcess (computing)Political scienceCartographyComputer science

Résumé

récupéré en direct d'OpenAlex

Studying the creation of administrations charged with devising land registers in the newly independent countries of Spanish-speaking America allows one to take an original view of state-building in these territories throughout the nineteenth century through models of “territorial knowledge”-building. The case of the “Topographic Department” of the Buenos Aires province between 1824 and 1864 is a textbook example of the successful strategies implemented by a very poor State to collect spatial information with high resolution over a huge territory – namely, by creating archives holding land survey maps. This study shows that the determining factor in the construction of state territorial knowledge was not so much the improvement of technical accuracy as the archival function and the definition of relationships between the administration and its agents. The building of administrations dedicated to collecting territorial data must therefore be understood as a complex process of devising norms relative to field techniques and practices, agents' behaviours in the field, and patterns of hierarchical relationships within these organizations.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,217
Score d'incertitude au seuil0,431

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,004
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,346
Écart entre enseignants0,331 · 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

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetIndigenous Cultures and HistoryTravaux en français237 207