MétaCan
Menu
Retour à la cohorte
Enregistrement W4322767143 · doi:10.21203/rs.3.rs-2505214/v1

Are Dogs Suitable Proxies for Humans in Archaeological Isotopic Dietary Assessments? Bayesian Analyses of Bone Collagen Stable Isotope Ratios from Ancestral Iroquoian Sites

2023· preprint· en· W4322767143 sur OpenAlexaboutno aff
John P. Hart

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineArts and Humanities
ThématiqueForensic Anthropology and Bioarchaeology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrophic levelHuman boneIsotopeIsotope analysisApatiteStable isotope ratioZoologyBiologyArchaeologyFecesEcologyChemistryGeographyMineralogyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Under the archaeological canine surrogacy approach (CSA) it is assumed that because dogs were reliant on humans for food, they had similar diets to the people with whom they lived. As a result, the stable isotopes of their tissues (bone collagen and apatite, tooth enamel and dentine collagen) will be close to the humans with whom they cohabited. Therefore, in the absence of human tissue, dog tissue isotopes can be used to reconstruct past human diets. Here d13C and d15N ratios on previously published dog and human bone collagen from fourteenth-seventeenth century AD ancestral Iroquoian village archaeological sites and ossuaries in southern Ontario are used with MixSIAR, a Bayesian dietary mixing model, to determine if dog stable isotope ratios are good proxies for human diets. The modeling results indicate that human and dogs had different diets. Human dietary protein came primarily from maize and high trophic level fish and dogs from maize, terrestrial animals, low trophic level fish, and human feces. This indicates that CSA is likely not a valid approach for the reconstruction of ancestral Iroquoian diets.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,108
Score d'incertitude au seuil0,216

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,342
Tête enseignante GPT0,466
Écart entre enseignants0,124 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetForensic Anthropology and Bioarchaeology StudiesTravaux en français237 207