Virtual cultural landscapes: Geospatial visualizations of past environments
Notice bibliographique
Résumé
Abstract Recent advances in spatial and remote sensing technology have led to new methods in archaeological site identification and reconstruction, allowing archaeologists to investigate landscapes and sites on multiple scales. These remotely conducted surveys create virtual cultural landscapes and seascapes that archaeologists and the public interact with and experience, often better than traditional maps. Our study examines landscape reconstruction and archaeological site classifications from a phenomenological and human behavioural ecology (HBE) perspective. HBE aims to reconstruct how humans interacted with these places as part of their active and passive decision making. Through temporal reconstructions, archaeologists and others can experience and interpret past landscapes and subtle changes in cultural land‐ and seascapes. Here, we evaluate the use of remotely sensed data (lidar, satellite imagery, sonar, radar, etc.) for developing virtual cultural landscapes while also incorporating Indigenous perspectives. Our study compares two vastly different landscapes and perspectives: a seascape in coastal Alaska, USA, and a neotropical jungle in Belize, Central America. By incorporating ethnographic accounts, oral histories, Indigenous traditional knowledge and community engagement, archaeologists can develop new tools to understand decisions made in the past, especially pertaining to settlement selection and resource procurement. These virtual reconstructions become cognitive images of a possible place that the observer experiences. Virtual cultural landscapes allow archaeologists to reproduce landscapes that may otherwise be invisible and present them to different publics. These processes elucidate how landscapes changed over time based on human behaviours while simultaneously allowing archaeologists to engage with Indigenous communities and the public in the protection of prehistoric and historic sites and sacred spaces through cultural heritage management.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».