MétaCan
Menu
Retour à la cohorte
Enregistrement W2924615810 · doi:10.52842/conf.ecaade.2006.832

Digital Reconstruction as a means of understanding a building’s history - Case studies of a multilayer prototype

2006· article· en· W2924615810 sur OpenAlexaff
Nada El-Khoury, De Paoli Giovanni, Tomás Dorta

Notice bibliographique

RevueeCAADe proceedings · 2006
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSituatedComputer scienceField (mathematics)Augmented realityInformation and Communications TechnologySpace (punctuation)CognitionHuman–computer interactionData scienceMultimediaArtificial intelligenceWorld Wide WebPsychology

Résumé

récupéré en direct d'OpenAlex

The experiments presented in this paper are situated at the crossroads of two fields: the understanding and communication of history to students and the field of Information and Communication Technologies (ICT). More specifically, we aim to propose to students, ways of transferring information about lifestyles and techniques linked to the construction methods used in the past and which are present in ancient sites. It is not merely a question of proposing experiments for managing an inventory of knowledge such as that summarized in historical texts, but rather a means for understanding it: How do we communicate the invisible? How do we make visible what we cannot see but that we can imagine lies beneath the ruins of ancient sites? Lastly, how do we propose new approaches in the transferring of these historic skills and lifestyles? Such are the questions that the students’ experiments will attempt to answer while using computers as cognitive tools. In this case, these cognitive tools are designated as “multilayer prototypes” which aim to develop a dynamic virtual history space through augmented reality.

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)0,003
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0030,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,061
Tête enseignante GPT0,246
Écart entre enseignants0,185 · 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'étudeAutre devis
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

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeCAADe proceedingsMême sujet3D Surveying and Cultural HeritageTravaux en français237 207