MétaCan
Menu
Retour à la cohorte
Enregistrement W2973526568 · doi:10.3138/cart.54.3.2018-0018

Deceptive Contiguity: The Polygon in Spatial History

2019· article· en· W2973526568 sur OpenAlexvenueno aff
Luca Scholz

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolygon (computer graphics)Geospatial analysisPoliticsContiguityModernityCartographyGeographyGenealogyHistoryEpistemologyComputer scienceLawPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

The polygon is the most common vector data model used to represent political entities in spatial history and historical GIS. When it comes to visualizing the entangled, complex political geography of early modern societies, however, discrete, contiguous features can be a problematic cartographic choice. One example explored in detail here is the aggressive enserfment of foreign peasants by the Electoral Palatinate in the seventeenth-century Holy Roman Empire. The comparison of an older map of these events with GIS maps based on new data shows how the polygons on the older map exaggerate the extent of Palatine expansion and suggest a continuous distribution of phenomena that were really discontinuous. Indeed, in early modern political geography, the polygon often operates as the cartographic equivalent of problematic concepts such as absolutism and sovereignty. Though point-based maps offer more accurate representations of pre-modern spatial orders, they hinge on the availability of geospatial data. Discussing the potential and limitations of different kinds of spatial data available to early modern historians today, the conclusion calls for a more argument-driven spatial history of early modernity.

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)0,004
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,011
Études des sciences et des technologies0,0020,018
Communication savante0,0090,018
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,017
Tête enseignante GPT0,231
Écart entre enseignants0,214 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetHistorical Economic and Social StudiesTravaux en français237 207