MétaCan
Menu
Retour à la cohorte
Enregistrement W2969412480 · doi:10.1017/qua.2019.42

Neolithic population crash in northwest Europe associated with agricultural crisis

2019· article· en· W2969412480 sur OpenAlexaff
Sue Colledge, James Conolly, Enrico R. Crema, Stephen Shennan

Notice bibliographique

RevueQuaternary Research · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArchaeology and ancient environmental studies
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésAgriculturePopulationProductivityGeographyPopulation densityPopulation declinePhysical geographyClimate changeAgricultural productivityCropArchaeologyDemographyEcologyBiologyForestry

Résumé

récupéré en direct d'OpenAlex

Abstract The focus of this paper is the Neolithic of northwest Europe, where a rapid growth in population between ~5950 and ~5550 cal yr BP is followed by a decline that lasted until ~4950 cal yr BP. The timing of the increase in population density correlates with the local appearance of farming and is attributed to the advantageous effects of agriculture. However, the subsequent population decline has yet to be satisfactorily explained. One possible explanation is the reduction in yields in Neolithic cereal-based agriculture due to worsening climatic conditions. The suggestion of a correlation between Neolithic climate deterioration, agricultural productivity, and a decrease in population requires testing for northwestern Europe. Data for our analyses were collected during the Cultural Evolution of Neolithic Europe project. We assess the correlation between agricultural productivity and population densities in the Neolithic of northwest Europe by examining the changing frequencies of crop and weed taxa before, during and after the population “boom and bust.” We show that the period of population decline is coincidental with a decrease in cereal production linked to a shift towards less fertile soils.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,028
Tête enseignante GPT0,259
Écart entre enseignants0,231 · 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

Citations85
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuaternary ResearchMême sujetArchaeology and ancient environmental studiesTravaux en français237 207