MétaCan
Menu
Retour à la cohorte
Enregistrement W4411277366 · doi:10.1080/01433768.2025.2503535

The impact of watermills on the landscape of the River Great Ouse valley between Brampton and Hemingford Grey, 1086–1350: the identification and analysis of the extensive adaptation and construction of river channels that were engineered to power a series of valuable watermills

2025· article· en· W4411277366 sur OpenAlexaboutno aff
Bridget Flanagan, Keith Grimwade

Notice bibliographique

RevueLandscape History · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)Adaptation (eye)GeographyHydrology (agriculture)GeologyEcologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

This study identifies how the growth and development of a series of watermills — recorded as the most valuable in England in the Domesday Survey — significantly changed the landscape of a stretch of the River Great Ouse valley in the three centuries between the Norman Conquest (1066) and the Black Death (c 1350). By utilising remote sensing (LiDAR), cartographic analysis and fieldwork, combined with analysis of documentary (especially contemporary litigation) and literary sources, we demonstrate that landscape features that, hitherto, have either been ignored or attributed to natural processes are, in fact, the result of milling activity. The study’s findings describe and explain the national pre-eminence of water milling in Huntingdonshire in the eleventh century and show how activity expanded in the post-Conquest period. The examination helps rationalise other features of the historical landscape, such as parish boundaries. The case study presented here has broader implications for the understanding of the development of multi-channel river forms, to which end we conclude by advocating a mapping methodology that designates landscape features resulting from water milling as heritage assets.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,024
Tête enseignante GPT0,205
Écart entre enseignants0,181 · 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.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLandscape HistoryMême sujetHistorical Economic and Social StudiesTravaux en français237 207