MétaCan
Menu
Retour à la cohorte
Enregistrement W4393259179 · doi:10.1017/s0956536123000068

Beneath the surface, below the line: Exploring household differentiation at Las Cuevas using Gini coefficients

2023· article· en· W4393259179 sur OpenAlexaff
Shane Montgomery, Holley Moyes

Notice bibliographique

RevueAncient Mesoamerica · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGini coefficientLine (geometry)GeographyEconomicsStatisticsMathematicsInequalityEconomic inequalityGeometryMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract During the Late Classic period ( a.d. 550–900), ancient Maya settlement spread throughout western Belize, including the Vaca Plateau, a rugged karstic region with high densities of ritually utilized cave systems. Within the past decade, archaeologists have increasingly drawn on LiDAR technology to document the extent of such settlement at local and regional scales. Combined with traditional pedestrian survey, we have begun to amass substantial data on variation within household groups, disparities which may indicate inequality within these communities. Here, we use settlement data generated from the Las Cuevas region to quantify residential variation through Gini coefficients and Lorenz curves. Special attention is given to areal and volumetric deviation of identified households within three samples: (1) the complete 95.25 km 2 study area; (2) a 12.25 km 2 zone of higher population between the primary centers of Las Cuevas and Monkey Tail; and (3) households situated within 500 m of ritually utilized caves within the study area. Results indicate some degree of variation within household area and volume for all samples, suggestive of unequal access to labor within the region. This research adds to the growing database of Gini-based analyses to improve our understanding of wealth differentials within pre-modern populations throughout the Lowlands.

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
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,998

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 technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,108
Tête enseignante GPT0,306
Écart entre enseignants0,198 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAncient MesoamericaMême sujetMigration, Aging, and Tourism StudiesTravaux en français237 207