WIDENING AUDIENCES – MAKING HERITAGE RECORDING DATA EASILY ACCESSIBLE VIA HTML APPLICATIONS
Notice bibliographique
Résumé
Abstract. With the ever increasing size and complexity of heritage recording datasets, and consequently, the required expertise to manipulate and extract information for conservation projects from this data, the use of dissemination tools was researched and used to help bridge the gap between information gatherers and users in order to increase accessibility and utilization. This paper examines a variety of case studies where dissemination tools were utilized to make heritage recording data more easily accessible for a variety of users. The first example involves high resolution photography; the second explores methods of sharing large point cloud datasets; the third explores panoramic photography and dissemination via virtual tours; and the fourth, capitalizes on using panoramic images as a by-product of terrestrial laser scan data. All data was disseminated solely through the use of HTML outputs, ensuring that the end users did not require any specialized software and minimal to no training to visualize, manipulate and extract data from the assembled information. Collectively the project team felt that the simplicity of these outputs would increase the likelihood of their utilization by the various user groups. Based on the teams past experience, the requirement for specialized software greatly diminished the chances of broad use of the data by untrained individuals. By adopting a HTML platform, the difficulties wrought by software installation restrictions imposed on many organizations or limited by access to required hardware, could be greatly diminished. There is also a possibility for this type of data to be disseminated to the public for their interest using these tools; however, the presented examples show only how these methodologies were used in the understanding phase and execution stages by other professionals.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,008 |
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 ».