Notice bibliographique
Résumé
Abstract Trauma and violence in the past may be accessed in the present by studying the skeletons of deceased individuals. It may manifest, for example, as fractures or sharp force injury, marks in the skeleton that can be observed and interpreted after an individual’s death. Trauma in human bodies from archaeological and historical contexts has been of academic interest since the late 19th century, with Enlightenment forebearers, and this interest continues apace, as scholars incorporate social theory and clinical literature alongside bioarchaeological observations to better understand the context and effects of trauma on, within, and between individuals’ bodies. Determining what counts as trauma and recording it consistently, defining violence, incorporating context while avoiding overinterpretation, and appreciating the postmortem harm that has and continues to be done to individuals who persist in the present are all difficult threads that require ongoing reflexivity by researchers. Research on topics of trauma and violence is emotive work, demanding both consistency of quantifiable recording methods and deep empathy. Bioarchaeologists and paleopathologists study the skeletons of individuals from archaeological and historical sites. Interpreting patterns of trauma (e.g., injury type, number of injuries, stage of healing, distribution) observed within individual bodies and between groups allows researchers to investigate topics as varied as occupational health and safety, abuse and subjugation, sports and gender, human–animal relationships, warfare and resilience, disability and care, and even accidents and clumsiness. Such topics are intimately interwoven with considerations of identity, social race, gender, the life course, class, work, power, place of origin, and more. A broken bone is always more than just a broken bone.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».