MétaCan
Menu
Retour à la cohorte
Enregistrement W2557531172 · doi:10.4043/27345-ms

A Study of the Ethnotechnology of Indigenous Craft in Arctic and Sub-Arctic Waters of North America

2016· article· en· W2557531172 sur OpenAlexaboutno aff
Peter G. Noble

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCraftArcticIndigenousContext (archaeology)GeographyEngineeringFisheryMarine engineeringOceanographyArchaeologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The design and construction of water-borne craft using "scientific" methods is a relatively recent development in the context of the whole history of humankind, and is by no means universally applied even today. Many traditional craft in current service still rely on the process akin to Darwin's natural selection concept. And the evolutionary process continues from Madagascar outrigger fishing canoes to Bangkok water taxis with "long-tail" propulsion systems, and from Haitian fishing boats with high performance new sails built from poly-tarp material to whaling umiaks in NW Alaska covered with tensioned membrane skins made from walrus hide and equipped with outboard motors. There can be value in studying the design, construction and operational approaches of these craft, which can lead to insights for the modern naval architect. Lessons such as optimizing weight/strength ratios, minimizing resistance, utilizing materials in clever ways, developing repairable structures etc., can all be learned from the study of indigenous craft. The indigenous peoples living above of the tree line on the North American continent exist in an environment where much of what is required to survive and thrive comes from the sea. This paper will specifically describe the development of skin- covered craft for use to support of the life-styles of the peoples of Arctic and Sub-Arctic North America in Alaska, Canada and Greenland.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,756
Score d'incertitude au seuil0,486

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,278
Écart entre enseignants0,257 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic Technology ConferenceMême sujetArctic and Russian Policy StudiesTravaux en français237 207