MétaCan
Menu
Retour à la cohorte
Enregistrement W3166439119 · doi:10.5632/jila.77.569

Chages since the Meiji period at Hiyoshi-taisha shrine in biological resources used for shinsen offerings, and outside offering agents

2014· article· en· W3166439119 sur OpenAlexaff
Ataru NASU, Katsue FUKAMACHI, Yukihiro MORIMOTO

Notice bibliographique

RevueJournal of The Japanese Institute of Landscape Architecture · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban and spatial planning
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésMeiji periodPeriod (music)BusinessGeographyHistoryAncient historyArtAesthetics

Résumé

récupéré en direct d'OpenAlex

Shinsen are offerings offered at Shinto shrines on the occasion of festivals. We compared shinsen offerings made at Hiyoshi-taisha in Shiga prefecture in the Meiji period and in the present from three angles: biological resources, stipulations on shinsen offerings, and outside agents making offerings. For one selected year in the early Meiji period and for the year 2010, we surveyed shinsen and investigated which biological resources were used. We compared the results and found two types of changes in the use of biological resources. Firstly, species of resources from water bodies, for example fishes and seaweeds, had decreased by 40%-70%. Secondly, changes had occurred in the use of vegetables and fruits. On the other hand, from 1873 to 1946, stipulations had regulated the number and combination of offerings according to the rank of a shrine and its festivals, while since 1946, only the kinds of dishes that could be offered was regulated. Not all changes in biological resources could be explained by stipulations, however. Regarding shinsen offerings offered by agents outside Hiyoshi-taisha such as community associations, our results showed little change since the Meiji period: records of methods of offering had been locally kept by these agents.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,221
Écart entre enseignants0,206 · 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'étudeObservationnel
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Japanese Institute of Landscape ArchitectureMême sujetUrban and spatial planningTravaux en français237 207