What Could the ‘Sea Ice Machine’ do to its People? On Lateglacial Doggerland, Marine Foraging, and the Colonisation of Scandinavian Seascapes
Notice bibliographique
Résumé
‘Climate’ is rarely experienced directly – contrary to day-to-day ‘weather’ and ‘seasons’ that manifest in landscapes (‘weather-worlds’). This paper elaborates the role of sea ice and sea ice hunting outside the lateglacial Doggerland beaches. The winter–spring sea ice was a seasonal extension of the continental plains, and a potential meeting ground for the human hunters of the plains and the mammals of the sea. Here, the hunters could observe and experience that seals were easy prey and that seals were similar to the familiar terrestrial megafauna; providing meat and blood, bone, skin, bladders and sinews, and ample supplies of fat (blubber) that also could heat dwellings. Seals on the ice could be hunted with similar methods and equipment as terrestrial animals – without the need of boats and the risks of cold, open sea. The Doggerland sea ice was a meeting ground of land and sea that could have been imperative in the development of marine foraging and the subsequent colonisation of Scandinavian seascapes. Levy Bryant’s ‘Machine Oriented Ontology’ may be instrumental to envision the sea ice and its potential for the lateglacial hunters in Northwest Europe.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,015 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».