MétaCan
Menu
Retour à la cohorte
Enregistrement W2742570999 · doi:10.1126/sciadv.1700497

Effects of population dispersal on regional signaling networks: An example from northern Iroquoia

2017· article· en· W2742570999 sur OpenAlexaffabout
John P. Hart, Jennifer Birch, Christian Gates St-Pierre

Notice bibliographique

RevueScience Advances · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésBiological dispersalPopulationGeographyEcologyBiologyComputer scienceMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The dispersal of Iroquoian groups from St. Lawrence River valley during the 15th and 16th centuries A.D. has been a source of archaeological inquiry for decades. Social network analysis presented here indicates that sites from Jefferson County, New York at the head of the St. Lawrence River controlled interactions within regional social signaling networks during the 15th century A.D. Measures indicate that Jefferson County sites were in brokerage liaison positions between sites in New York and Ontario. In the network for the subsequent century, to which no Jefferson County sites are assigned, no single group took the place of Jefferson County in controlling network flow. The dispersal of Jefferson County populations effectively ended this brokerage function concomitant with the emergence of the nascent Huron-Wendat and Iroquois confederacies and may have contributed to the escalation of conflict between these entities. These results add to a growing literature on the use of network analyses with archaeological data and contribute new insights into processes of population relocation and geopolitical realignment, as well as the role of borderlands and frontiers in nonstate societies.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,654

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
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 Opus0,052
Tête enseignante GPT0,388
Écart entre enseignants0,336 · 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'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

Citations32
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetIndigenous Studies and EcologyTravaux en français237 207