MétaCan
Menu
Retour à la cohorte
Enregistrement W2326630290 · doi:10.2307/40035886

Detection Functions for Archaeological Survey

2006· article· en· W2326630290 sur OpenAlexaff
Edward B. Banning, Alicia L. Hawkins, Sarah T. Stewart

Notice bibliographique

RevueAmerican Antiquity · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensLaurentian UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésArtifact (error)VisibilityTransectRange (aeronautics)ProspectingAerial surveyGeographyComputer scienceSurvey methodologyDistribution (mathematics)StatisticsArchaeologyGeologyRemote sensingArtificial intelligenceMathematicsEngineeringMeteorologyMining engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents the results of several experiments to investigate how the detection functions of surveyors vary for different artifact types on surfaces with differing visibility when visual surface inspection (“fieldwalking”) is the survey method. As prospecting theory predicts, successful detection declines exponentially with distance away from transects and detection as a function of search time displays diminishing returns. However, these functions vary by visibility, artifact type, and other factors. The incidence of false targets–incorrect identifications of artifacts–has somewhat more impact at greater range but has little or no relationship with search time. Our results provide a rationale for selection of transect intervals and distribution of survey effort, and also facilitate evaluation of survey results, allowing more realistic estimates of how much a survey missed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,933

Scores Codex et Gemma par catégorie

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

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 Opus0,097
Tête enseignante GPT0,240
Écart entre enseignants0,143 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations44
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican AntiquityMême sujetEconomic and Environmental ValuationTravaux en français237 207