MétaCan
Menu
Retour à la cohorte
Enregistrement W4391984109 · doi:10.1017/aap.2023.41

A Systems-Thinking Model of Data Management and Use in US Archaeology

2024· article· en· W4391984109 sur OpenAlexaff
Elizabeth Bollwerk, Neha Gupta, Jolene Smith

Notice bibliographique

RevueAdvances in Archaeological Practice · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArchaeology and ancient environmental studies
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésArchaeologyHistory

Résumé

récupéré en direct d'OpenAlex

Overview Archaeology in the United States is caught in a “curation crisis” (Childs 1995; Childs and Warner 2019; Marquardt et al. 1982; SAA Advisory Committee on Curation 2003; Trimble and Marino 2003) and a “digital data crisis” (or “deluge”) more specifically (Bevan 2015; Clarke 2015; Kansa and Kansa 2021; Katsianis et al. 2022; Kersel 2015; McManamon et al. 2017:239–240; Rivers Cofield et al. 2024). Recent estimates suggest that, collectively, over 1.4 billion dollars are spent annually to support archaeological work that is mandated by federal law (SRI Foundation 2020). Although substantial efforts are underway to generate and provide mechanisms for managing, curating, and sharing the resultant digital data, we suggest that a critical step that has yet to be taken is to describe and visualize the components, connections, and causal dynamics of the US digital data system as it currently functions. Here, we specifically apply a “systems thinking” approach to produce such a high-level model of this system. We argue that understanding and visualizing this system will help us all “think bigger” (Heilen and Manney 2023); identify sources of knowledge, opportunities for critical analysis, collaboration, and capacity building; and increase much-needed archaeological digital literacy (Kansa and Kansa 2022). We conceptualize this as bringing “equilibrium” to the system, and in this article, we make several suggestions on how to bring this about. These insights can enable practitioners to better understand their roles in and contributions to the overall system and to evaluate efforts to improve data sharing, management, and curation practices not only within their organizations and departments but beyond.

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)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0040,019
Communication savante0,0130,013
Science ouverte0,0030,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,296
Écart entre enseignants0,245 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Archaeological PracticeMême sujetArchaeology and ancient environmental studiesTravaux en français237 207