MétaCan
Menu
Retour à la cohorte
Enregistrement W2712183971 · doi:10.3138/cart.52.2.3781

Burgon's Expectation: Ancient and New Cartographic Visualization for Numismatic Data and Coin Finds

2017· article· en· W2712183971 sur OpenAlexvenueno aff
Andrea Favretto, Bruno Callegher

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArchaeological Research and Protection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeoreferenceGeographyCartographyByzantine architectureHumanitiesVisualizationAncient historyComputer scienceArchaeologyArtHistoryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Using Callegher's catalogue of ancient coin finds in the Trieste Province of NE Italy from the Ritrovamenti monetali di età romana nel Friuli Venezia Giulia, a spatial database of the findings (third century bce to sixth century ce) was created. The authors later developed a client side Web mapping application. All Free and Open Source Software tools were used to build both a spatial database (postgreSQL and PostGIS) and a Web mapping application (QGIS and Leaflet). The Web mapping application allows the user to find the territorial distribution of Celtic, Roman (Republican and Imperial), Byzantine, and Longobard coins. Each coin was georeferenced and linked to the denomination of the ancient coin, the authority that issued it, the coin mint, and the finding site. This project highlights not only the efficiency of the database methodology in managing numismatic data, but also the great potential of the geographic visualization process to reveal hidden relationships between the finding sites and the data connected with the ancient use of coins (e.g., ancient monetary areas, economic and commercial buffer zones, trade routes)

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0060,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,056
Tête enseignante GPT0,339
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetArchaeological Research and ProtectionTravaux en français237 207