Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Airborne laser scanning or lidar has now been used by archaeologists for twenty years, with many of the first applications relying on data acquired by public agencies seeking to establish baseline elevation maps, mainly in Europe and North America. More recently, several wide-area acquisitions have been designed and commissioned by archaeologists, the most extensive of which cover tropical forest environments in the Americas and Southeast Asia. In these regions, the ability of lidar to map microtopographic relief and reveal anthropogenic traces on the Earth’s surface, even beneath dense vegetation, has been welcomed by many as a transformational breakthrough in our field of research. Nevertheless, applications of the method have attracted a measure of criticism and controversy, and the impact and significance of lidar are still debated. Now that wide-area, high-density laser scanning is becoming a standard part of many archaeologists’ toolkits, it is an opportune moment to reflect on its position in contemporary archaeological practice and to move towards a code of ethics that is vital for scientific research. The papers in this Special Collection draw on experiences with using lidar in archaeological research programs, not only to highlight the new insights that derive from it but also to cast a critical eye on past practices and to assess what challenges and opportunities remain for developing codes of ethics. Using examples from a range of countries and environments, contributions revolve around three key themes: data management and access; the role of stakeholders; and public education. We draw on our collective experiences to propose a range of improvements in how we collect, use, and share lidar data, and we argue that as lidar acquisitions mature we are well positioned to produce ethical, impactful, and reproducible research using the technique.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle