The Middle Paleolithic Ground Stones Tools of Nesher Ramla Unit V (Southern Levant): A multi-scale use-wear approach for assessing the assemblage functional variability
Notice bibliographique
Résumé
In the archaeological record, Ground Stone Tools (hereafter GST) represent an important tool group that provides invaluable data for exploring technological development and changes in resource exploitation over time. Despite its importance, Lower and Middle Paleolithic (MP) GST technology remains poorly known and understudied. The MP record of the Levant constitutes a compelling case study for exploring the nature and character of GST technology. Especially the site of Nesher Ramla (Israel, end of Marine Isotope Stage 6/beginning of 5) has provided one of the world’s largest GST assemblages from MP contexts. Aiming at evaluating the variability of tool types at the site from a technological and functional perspective, this study follows an analytical approach which integrates different scales of analysis. Our workflow seeks to generate and combine qualitative and quantitative data allowing: 1) the identification of damage areas, and 2) functional analysis, based on the location, distribution, and characterization of use-wear traces. This study shows a substantial level of diversification in resource exploitation (e.g., mineral, hard animal material and likely perishable components). Results show the presence of several tool types on which diagnostic use-wear can be associated with different activities. Importantly, our analysis indicates the presence of various hammerstone types showing distinct wear characteristics. The variability observed within the hammerstones likely reflects different functions, including in some cases the processing of distinct worked materials. Ultimately, this study contributes to our understanding of the significance of GST technology for the ecological dynamics of MP populations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».