MétaCan
Menu
Retour à la cohorte
Enregistrement W2769496172 · doi:10.1017/aaq.2017.53

RADIOCARBON DATING OF TECHNOLOGICAL TRANSITIONS: THE LATE HOLOCENE SHIFT FROM ATLATL TO BOW IN NORTHWESTERN SUBARCTIC CANADA

2017· article· en· W2769496172 sur OpenAlexaboutno aff
Brigid Grund, Snehalata Huzurbazar

Notice bibliographique

RevueAmerican Antiquity · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArchaeology and ancient environmental studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRadiocarbon datingHoloceneArchaeologyGeologySubarctic climatePaleontologyPhysical geographyGeography

Résumé

récupéré en direct d'OpenAlex

Precolumbian archaeologists traditionally focus on periods of stability rather than change when constructing regional cultural chronologies. However, the advent of large databases of radiocarbon dates and the proliferation of open-source software environments such as R now allow archaeologists to understand technological transitions with greater chronological precision than has been historically possible. In this study, we employ Monte Carlo procedures, Bayes’ Theorem, the R package Bchron, and IntCal13 to address three chronological topics. We calculate the minimum number of dates required on atlatl and bow technologies to robustly date this late Holocene transition in Subarctic northwestern Canada, analyze previously published dates on organic projectile diagnostics to determine whether bows and atlatls overlapped for an observable amount of time, and estimate the years of calendric time that they overlapped. Results indicate that minimum sample sizes of 29 atlatl and 19 bow dates are required to characterize this particular transition in our study area. Actual radiocarbon dates show that bow and atlatl technologies temporally co-occurred within this region for 174 ± 135 (1σ) actual calendar years. Quantitative analyses such as these open the door to testing hypotheses that explain why and how technological transitions occur within and between (pre)historic groups.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,078
Score d'incertitude au seuil0,488

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,216
Écart entre enseignants0,205 · 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 tête enseignante, 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican AntiquityMême sujetArchaeology and ancient environmental studiesTravaux en français237 207