MétaCan
Menu
Retour à la cohorte
Enregistrement W2979312627 · doi:10.26721/spafajournal.v3i0.627

Preliminary Report: Archaeology Education in Southeast Asia

2019· article· en· W2979312627 sur OpenAlexfundno aff
Noel Hidalgo Tan

Notice bibliographique

RevueSPAFA Journal · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Processing and 3D Reconstruction
Établissements canadiensnon disponible
Organismes subventionnairesPeking UniversityWuhan UniversityNational Tsing Hua UniversityWaseda UniversityMurdoch UniversityGriffith UniversityYale UniversityUniversity of New South WalesUniversity College DublinLa Trobe UniversityNational Taiwan UniversityMichigan State UniversitySichuan UniversityNewcastle UniversitySun Yat-sen UniversityCardiff UniversityUniversity of LeedsXiamen UniversityUniversity of MissouriNorthwestern UniversityDurham UniversityLanzhou UniversityBanaras Hindu UniversityUniversity of LeicesterLomonosov Moscow State UniversityUniversity of DelhiTsinghua UniversityTrent UniversityCollege of Engineering, Michigan State UniversityUniversità degli Studi di PadovaPrinceton University
Mots-clésSoutheast asiaArchaeologyGeographyTraining (meteorology)HistoryEthnology

Résumé

récupéré en direct d'OpenAlex

This report presents the preliminary results of the SEAMEO SPAFA Survey on Archaeology Education in Southeast Asia which was conducted online from September to December 2018. The aim of the survey was to understand the archaeology education landscape in Southeast Asia and identify the current needs in archaeology education and skills training. 330 people responded to the survey, which was available in multiple languages. These initial results outline where archaeologists in the region studied archaeology; public perceptions of archaeology education in the region; an overview of the archaeology profession and industry and the main training needs identified by those studying or working in Southeast Asian archaeology today.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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 Opus0,006
Tête enseignante GPT0,245
Écart entre enseignants0,239 · 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'étudeSans objet
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPAFA JournalMême sujetImage Processing and 3D ReconstructionTravaux en français237 207