MétaCan
Menu
Retour à la cohorte
Enregistrement W4361806001 · doi:10.5281/zenodo.7787755

The evolution of agro-urbanism: A case study from Angkor, Cambodia

2023· article· en· W4361806001 sur OpenAlexfundno aff
Alison Carter, Sarah Klassen, Miriam T. Stark, Martin Polkinghorne, Damian Evans, Rachna Chhay

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHistorical and Environmental Studies
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaHorizon 2020 Framework ProgrammeEuropean CommissionDumbarton Oaks Research Library and CollectionUniversity of OregonNational Geographic SocietyNational Science Foundation
Mots-clésUrbanismGeographyArchaeologyAncient historyHistoryArchitecture

Résumé

récupéré en direct d'OpenAlex

The vast agro-urban settlements that developed in the humid tropics of Mesoamerica and Asia contained both elite civic-ceremonial spaces and sprawling metropolitan areas. Recent studies have suggested that both local autonomy and elite policies facilitated the development of these settlements; however, studies have been limited by a lack of detail in considering how, when, and why these factors contributed to the evolution of these sites. In this paper, we use a fine-grained diachronic analysis of Angkor’s landscape to identify both the state-level policies and infrastructure and bottom-up organization that spurred the growth of Angkor as the world’s most extensive pre-industrial settlement complex. This degree of diachronic detail is unique for the ancient world. We observe that Angkor’s low-density metropolitan area and higher-density civic-ceremonial center grew at different rates and independently of one another. While local historical factors contributed to these developments, we argue that future comparative studies might identify similar patterns.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0060,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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 Opus0,045
Tête enseignante GPT0,265
Écart entre enseignants0,220 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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 revueZenodo (CERN European Organization for Nuclear Research)Même sujetHistorical and Environmental StudiesTravaux en français237 207