An integrative approach to estimating productivity in past societies using <i>Seshat: Global History Databank</i>
Notice bibliographique
Résumé
This article reports the results of a collaborative effort to estimate agricultural productivities in past societies using Seshat: Global History Databank. We focus on 30 Natural Geographic Areas (NGAs) distributed over 10 major world regions (Europe, Africa, Southwest Asia, South Asia, Southeast Asia, East Asia, Central Eurasia, North America, South America, and Oceania). The conceptual framework that we use to obtain these estimates combines the influences of the production technologies (and how they change with time), climate change, and effects of artificial selection into a Relative Yield Coefficient, indicating how agricultural productivity changed over time in each NGA between the Neolithic and the 20th century. We then use estimates of historical yield in each NGA to translate the Relative Yield Coefficient into an Estimated Yield (tonnes per hectare per year) trajectory. We tested the proposed methodology in two ways. For eight NGAs, in which we had more than one historical yield estimate, we used the earliest estimate to anchor the trajectory and compared the ensuing trajectory to the remaining estimates. We also compared the end points of the estimated NGA trajectories to the earliest (the 1960s decade) FAO data on crop productivities in the modern countries encompassing Seshat NGAs. We discuss the benefits of this methodology over previous efforts to estimate agricultural productivities in world history.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».