MétaCan
Menu
Retour à la cohorte
Enregistrement W2732617693 · doi:10.14351/0831-4985-31.1.23

Fast, Nondestructive, and Cost-Effective Methods to Detect Pesticide Residues: A Case Study of Several Repatriated Karuk Tribe Artifacts

2017· article· en· W2732617693 sur OpenAlexvenueno aff
Rosene Salmo, Peter T. Palmer, Karuk Tribe

Notice bibliographique

RevueCollection Forum · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)PesticideEnvironmental chemistryArsenicPesticide residueChemistryChromatographyEnvironmental scienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract This study describes the use of three different nondestructive methods to determine whether or not nine artifacts belonging to the Karuk Tribe had been treated with common inorganic and organic pesticide agents. A portable X-Ray Fluorescence analyzer was used to estimate the concentrations of arsenic, mercury, and lead at two different locations on each artifact. Black beads on a necklace were found to contain 2.1% lead and 0.23% arsenic, which can be attributed to the natural composition of the beads. Leather on a drum mallet was found to contain 0.49% lead and 0.10% arsenic, which were due to the pigments used to decorate this item. Microwave Plasma-Atomic Emission Spectrometry analysis of swab samples taken from the surfaces of an elk horn, bow, and musical drum showed nondetectable levels of arsenic and lead. Gas Chromatography/Mass Spectrometry analysis of a second set of swab samples taken from the surface of each artifact showed nondetectable levels of p-dichlorobenzene, naphthalene, dichlorodiphenyltrichloroethane, and other common organic pesticides. These results suggest that these artifacts were not treated with pesticides for preservation purposes, and hence they can be handled, worn, and used as intended.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,053
Tête enseignante GPT0,342
Écart entre enseignants0,289 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCollection ForumMême sujetCultural Heritage Materials AnalysisTravaux en français237 207