MétaCan
Menu
Retour à la cohorte
Enregistrement W2515643453 · doi:10.1017/rdc.2016.69

Successfully Dating Rock Art in Southern Africa Using Improved Sampling Methods and New Characterization and Pretreatment Protocols

2016· article· en· W2515643453 sur OpenAlexafffund
Adelphine Bonneau, Richard A. Staff, Thomas Higham, Fiona Brock, David Pearce, Peter Mitchell

Notice bibliographique

RevueRadiocarbon · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArchaeology and Rock Art Studies
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNatural Environment Research CouncilSocial Sciences and Humanities Research Council of CanadaUniversité LavalNational Research FoundationUniversité de MontréalUniversité du Québec à MontréalSight Research UK
Mots-clésRadiocarbon datingWeatheringCharacterization (materials science)Sampling (signal processing)ChronologyArchaeologyContaminationMineralogyGeologyEnvironmental scienceGeochemistryMaterials scienceGeographyComputer scienceFilter (signal processing)Nanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Worldwide, dating rock art is difficult to achieve because of the frequent lack of datable material and the difficulty of removing contamination from samples. Our research aimed to select the paints that would be the most likely to be successfully radiocarbon dated and to estimate the quantity of paint needed depending on the nature of the paint and the weathering and alteration products associated with it. To achieve this aim, a two-step sampling strategy, coupled with a multi-instrument characterization (including SEM-EDS, Raman spectroscopy, and FTIR spectroscopy analysis) and a modified acid-base-acid (ABA) pretreatment, was created. In total, 41 samples were dated from 14 sites in three separate regions of southern Africa. These novel protocols ensure that the14C chronology produced was robust and could also be subsequently applied to different regions with possible variations in paint preparation, geology, weathering conditions, and contaminants.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,080
Tête enseignante GPT0,394
Écart entre enseignants0,313 · 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'étudeExpérimental (laboratoire)
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

Citations59
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRadiocarbonMême sujetArchaeology and Rock Art StudiesTravaux en français237 207