MétaCan
Menu
Retour à la cohorte
Enregistrement W4401695532 · doi:10.1080/03057070.2024.2385879

A Climate History of Early Dutch Settlement at Cape Town, 1652–62

2024· article· en· W4401695532 sur OpenAlexaff
Philip Gooding, Nadia Fekih

Notice bibliographique

RevueJournal of Southern African Studies · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTree-ring climate responses
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCapeSettlement (finance)ArchaeologyGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

This article uses historical and climatological methods to recontextualise the first decade of Dutch settlement at the Cape, 1652–62. It draws on weather data contained in the Journal of Jan van Riebeeck, natural proxies in the region, climate reanalysis and the global context of a particularly severe period during the Little Ice Age to reconstruct climatic conditions at monthly and seasonal scales for the decade under review. This reconstruction shows that the Dutch settled at a time of declining moisture at the Cape: relatively wet summers gave way to dry winters, while short-term droughts and deluges were regular occurrences. It then integrates this climatic context into an understanding of the history of this period. In so doing, it argues that adverse climatic conditions helped to undermine early Dutch designs on intensive agriculture, accelerated many free burghers’ initial transition towards pastoralism, shaped the timing and volume of the cattle trade between settlers and indigenous populations and exacerbated tensions that led to the first Khoikhoi–Dutch war (1659–60). It may also have enhanced the transmission of and deaths from disease, though the evidence in this instance is less conclusive. In short, a climate-historical perspective shows that adverse climatic and environmental factors critically affected many of the core themes that are already associated with the history of early Dutch settlement at the Cape.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,281
Score d'incertitude au seuil0,559

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,256
Écart entre enseignants0,219 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Southern African StudiesMême sujetTree-ring climate responsesTravaux en français237 207