Above, Beneath, and Within: Collaborative and Community-Driven Archaeological Remote Sensing Research in Canada
Notice bibliographique
Résumé
This thesis investigates the application of geophysics and remote sensing techniques in community-driven and collaborative archaeology research in Canada. While these techniques have become common among some archaeologists, they have yet to be extensively used within the lens of Indigenous archaeology. In the introductory chapters, I present the current Canadian context and review the theory, method and application of these techniques to archaeology. I argue for a reconsideration of how these techniques are applied and interpreted within Indigenous contexts, specifically, where these applications have fallen short and how these techniques impact and are shaped by modern Indigenous communities. I propose a methodological approach that incorporates multiple lines of evidence, Indigenous knowledge, and Indigenous archaeology principles, as a potential ‘middle range’ solution. To illustrate how this approach can be applied with Indigenous communities in Canada, I present the methods and results of three community-driven unmarked grave surveys and two collaborative archaeology projects. Drawing on these case studies, I demonstrate 1) that these techniques are effective at contributing to common community-based research goals in a wide range of sites and environments, 2) there are unique factors present when working with Indigenous communities that need to be reflected in and balanced by research designs, 3) the incorporation of multiple lines of evidence and collaborations with Indigenous communities will result in more holistic, meaningful, and co-produced narratives for communities and researchers, and 4) when framed and designed in an engaged and respectful way, archaeological remote sensing can contribute to modern Indigenous communities’ needs and objectives.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,027 | 0,011 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».