MétaCan
Menu
Retour à la cohorte
Enregistrement W2887277876 · doi:10.2218/jls.v4i2.2543

Les artefacts importés dans un contexte de carrières : La techno-économie des industries lithiques du Témiscouata (Québec) durant le Sylvicole et la période de Contact

2017· article· fr· W2887277876 sur OpenAlexaffabout
Patrick Eid

Notice bibliographique

RevueJournal of Lithic Studies · 2017
Typearticle
Languefr
DomaineSocial Sciences
ThématiquePleistocene-Era Hominins and Archaeology
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtGeography

Résumé

récupéré en direct d'OpenAlex

Cet article présente les données relatives à la techno-économie de chasseurs-cueilleurs nomades du Témiscouata (Québec, Canada) durant les périodes du Sylvicole moyen tardif (1500-1000 AA), le Sylvicole supérieur (1000-450 AA) et la période de Contact (450-250 AA). Cette région, située dans l’extrémité nord du bassin versant du la rivière Saint-Jean (Maine, Nouveau-Brunswick, Québec), offre une importante source de matière première, le chert Touladi, qui a été fortement exploitée durant la préhistoire et même durant la période historique par les Premières Nations amérindiennes. Les chaînes opératoires lithiques de cinq sites archéologiques du Témiscouata ont été analysées via l’approche technologique afin d’en reconstituer les schèmes techno-économiques. D’abord réalisée sur la matière locale, l’analyse a ensuite porté son regard sur les matériaux exogènes afin de voir si la gestion des chaînes opératoire différait lorsque les groupes nomades étaient éloignés des carrières de chert Touladi. Les artefacts en matériaux allochtones, même s’ils comptent pour une part minime des assemblages lithiques, permettent d’entrevoir les stratégies adoptées préalablement à l’occupation du Témiscouata, dans un contexte de rareté en matières premières lithiques de bonne qualité.

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 enseignants0,072
Score d'incertitude au seuil0,151

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
Bibliométrie0,0030,007
Études des sciences et des technologies0,0050,003
Communication savante0,0040,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,063
Tête enseignante GPT0,360
Écart entre enseignants0,297 · 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Lithic StudiesMême sujetPleistocene-Era Hominins and ArchaeologyTravaux en français237 207