Curating Archaeological Provenience Data Across Excavation Recording Formats
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Archaeological excavations today generate extensive datasets across survey, excavation, and analysis activities, especially when they are conducted in collaborative structures such as field schools. Working across such activities, data archivists contribute to the goals and research outcomes of the dig by establishing data practices that are participatory and educational (two pillars of data literacy) as they permanently record information about the archaeological results. At the Venus Pompeiana Project (VPP), a collaborative archaeological investigation of the Sanctuary of Venus in Pompeii, both provenance and provenience data are recorded into a database at the trenches’ edge, which optimises the accuracy of the data by allowing direct input and review by the data creators and archaeological site experts. When legacy data about work conducted decades or even centuries earlier are brought into the data picture, scholars stand to gain a deeper understanding of the geographic locations of key interest over time. Yet, the integration of analogue legacy and digital archival datasets is collaborative and longitudinal work. In this paper, we bring together experiential reflections on data archiving conducted at both the excavation site and in the physical archives of the Pompeii Archaeological Park. We then provide an integrative analysis of the outcomes of such data curation, highlighting what each data archiving contributor “discovered” about the site as a whole or a specific artefact, feature, or data category. Our findings contribute deeper insights into what data archiving and format-specific curation activities are most effective for learning experiences, archaeological scholarship, and professional practices.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle