MétaCan
Menu
Retour à la cohorte
Enregistrement W2993556229 · doi:10.3138/cart.54.4.2018-0003

Rediscovering the Power of Physical Relief Models: Mayson’s Ordnance Model of the Lake District

2019· article· en· W2993556229 sur OpenAlexvenueno aff
Gary Priestnall

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVisitor patternExhibitionAgency (philosophy)VisualizationScientific modellingVisual artsCartographyGeographyComputer scienceArchitectural engineeringData scienceArchaeologyEngineeringSociologyArtArtificial intelligenceSocial science

Résumé

récupéré en direct d'OpenAlex

Mayson’s Ordnance model of the Lake District, commissioned by Henry and Thomas Mayson from the sculptor Raffaelle Monti in 1875, was based upon early maps from Ordnance Survey, the government mapping agency for Great Britain. It was displayed in the town of Keswick, now in Cumbria, England, until around 1980, when it is believed to have been destroyed. A large number of original negative moulds from the model were recovered, together with other historical objects, allowing the unique characteristics of the model to be explored for the first time. The study reveals the model to have been innovative for its time, being a very early example of a relief model constructed from contours. The scientific authority of the model, along with its cartographic detail and size, was used to promote it as a spectacle for early tourists. The article describes a process of digital capture, processing, and 3D fabrication that allowed parts of the model to be analysed and redisplayed. An exhibition explored public engagement with physical landscape models, included a novel visitor-led identification of the remaining moulds. Examples of modern landscape modelling and visualization techniques helped to explore the role physical models could play in the modern visitor experience.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,177

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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 revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujet3D Surveying and Cultural HeritageTravaux en français237 207