MétaCan
Menu
Retour à la cohorte
Enregistrement W3038017480 · doi:10.37558/gec.v17i1.759

Mapeo de fluorescencia inducida por láser de pigmentos en murales secco pintados

2020· article· es· W3038017480 sur OpenAlexfundno aff
María Auxiliadora Gómez‐Morón, Rocío Calderón, Franceso Colao, R. Fantoni, Javier Becerra Luna, Pilar Ortiz

Notice bibliographique

RevueGe-conservacion · 2020
Typearticle
Languees
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Aboriginal Peoples Health
Mots-clésArtHumanities

Résumé

récupéré en direct d'OpenAlex

La fluorescencia inducida por láser es una técnica de análisis a distancia, aplicada con éxito en tiempo real para el diagnóstico de obras de arte, permitiendo la observación de características invisibles al ojo humano, como rastros de retoques o la presencia de consolidantes modernos. El objetivo de este artículo es generar una base de datos de pigmentos históricos con sus respectivos aglutinantes y consolidantes, realizada para respaldar la identificación remota y el mapeo de estos materiales en un mural de la forma menos invasiva posible. Para este objetivo, se ha utilizado una fuente láser monocromática ultravioleta que emite a 266nm con escaneado remoto en combinación con reflectancia. Se realizaron modelos de pintura mural en técnica a secco de acuerdo con las recetas tradicionales del siglo XVII. Análisis digital de imagen, análisis de componentes principales y mapeado de ángulo espectral ha sido llevado a cabo para obtener los datos de mapeado de dos pigmentos seleccionados, azul esmalte y rojo carmín en una pintura mural real (siglo XVII). Esta técnica no invasiva nos permitió trabajar de manera remota, a una distancia de 11 m de la obra de arte. Los resultados son consecuentes con los microanálisis tradicionales llevados a cabo para identificar pigmentos mayoritarios.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,032
Tête enseignante GPT0,236
Écart entre enseignants0,205 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGe-conservacionMême sujetCultural Heritage Materials AnalysisTravaux en français237 207