About the features of rural settlements that influenced the variability of names and the tools for their identification (on the example of the rural of the Ruza district in the middle of the XVI—first quarter of the XVII centuries)
Notice bibliographique
Résumé
This article presents the results of the analysis of the opportunities that open up when using the Big Data tool to identify the names of settlements and landholdings that tended to change over time in the documents of the statistical accounting of the Russian state of the second half of the XVI—first quarter of the XVII centuries. The procedure for analysing the features of information about objects available in the documents of the specified epoch is described using which it becomes possible to judge the predisposition of their names to variability. The research was performed on the basis of information about 22 objects located on the territory that was formed by the beginning of the XX century in the Ruza district of the Moscow province. Statistical analysis tools were used to identify the dependencies that took place. The result of the research presented in this article is the proof of the possibility and effectiveness of using the Big Data tool to establish the correspondence of information about the same real estate objects mentioned in the materials of different eras under different names. The research shows that the names of objects formed considering the characteristics of their owners were subject to the greatest variability in the middle of the XVI—first quarter of the XVII centuries. The actual information about the objects obtained during the research can be used to compile cartographic materials reflecting the history of the formation and development of the economy of the territory of the Ruza district as well as when performing work by specialists conducting research in the fields of history, sociology, geography, surveying and other related fields of knowledge.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».