AMALIA, A Matching Algorithm for Lead Isotope Analyses: Formulation and proof of concept at the Roman foundry of Fuente Spitz (Jaén, Spain)
Notice bibliographique
Résumé
This article presents A Matching Algorithm for Lead Isotope Analyses (AMALIA) that yields analytical coincidences in lead isotope databases, allowing a fast selection of potential candidates for metal provenance. As a proof of concept, potential ore sources for 29 Roman lead artifacts from the archaeological site of Fuente Spitz (Jaén, Spain) are provided. Additionally, a reassessment of legacy, TIMS lead-isotope analyses is conducted by re-analysis of 26 galena samples from nearby mining districts by MC-ICP-MS. The study demonstrates the accuracy and reliability of AMALIA and stresses the need to assess the isotope ratio data obtained without lead isotopic tracers (spikes) by TIMS carefully on a case-to-case basis. At the archaeological level, our study shows that the foundries and smelting sites at Fuente Spitz and Cerro del Plomo processed galena ores from the mining districts of La Carolina and Linares to produce a variety of lead products and lead ingots that have been found at several places thorough Europe, thereby providing tangible evidence of the regional and long-distance commercial circuits that these foundries were supplying.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».