Different Stories for Different People - Engagement with the Archaeology of HS2 Area North
Notice bibliographique
Résumé
The UK high-speed railway High Speed Two (HS2) will link London and the Midlands following the route of the 19th-century London and Birmingham Railway. After years of work, including the largest programme of historic environment investigation in the UK across a swathe of the landscape over a number of years, the construction stage is now in progress. The lead document for the delivery of the historic environment works is HS2's generic Written Scheme of Investigation, the Historic Environment Research and Delivery Strategy (HERDS). One of the central principles of HERDS is to derive public benefit from the historic environment works, by meeting community engagement objectives and building a legacy of knowledge and skills. This article was delivered as a paper at the European Association of Archaeologists' (EAA) conference in 2023, themed 'Weaving narratives', in an HS2 session entitled 'Different stories for different people'. It discusses some of the principles of audience and narrative development that can be transferred to other archaeological projects from the discoveries in the Midlands (HS2 Area North). Three steps are highlighted. Firstly, engage with and listen to stakeholders and community representatives early in the project lifespan, using professional expertise. Secondly, assimilate key themes and local issues, create partnerships, and identify heritage champions to support the design of activities. Thirdly, work together to deliver a range of events and activities tailored to a variety of audiences using bespoke platforms and styles. Adopting this approach, and having clearer mechanisms for measuring and evaluating the benefit of the outcomes, demonstrates worth and benefits the sector. For project legacy, the goal is to use the stories to transfer skills, information, good practice and ownership.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,020 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».