Triple sulfur-oxygen-strontium isotopes probabilistic geographic assignment of archaeological remains using a novel sulfur isoscape of western Europe
Notice bibliographique
Résumé
Sulfur isotope composition of organic tissues is a commonly used tool for gathering information about provenance and diet in archaeology and paleoecology. However, the lack of maps predicting sulfur isotope variations on the landscape limits the possibility to use this isotopic system in quantitative geographic assignments. We compiled a database of 2,680 sulfur isotope analyses in the collagen of archaeological human and animal teeth from 221 individual locations across Western Europe. We used this isotopic compilation and remote sensing data to apply a multivariate machine-learning regression, and to predict sulfur isotope variations across Western Europe. The resulting model shows that sulfur isotope patterns are highly predictable, with 65% of sulfur isotope variations explained using only 4 variables representing marine sulfate deposition and local geological conditions. We used this novel sulfur isoscape and existing strontium and oxygen isoscapes of Western Europe to apply triple isotopes continuous-surface probabilistic geographic assignments to assess the origin of a series of teeth from local animals and humans from Brittany. We accurately and precisely constrained the origin of these individuals to limited regions of Brittany. This approach is broadly transferable to studies in archaeology and paleoecology as illustrated in a companion paper (Colleter et al. 2021).
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 | 0,001 |
| 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) | 0,001 | 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 ».