The effects of taphonomic color alteration upon skeletal recovery rates during surface searches
Notice bibliographique
Résumé
Previous research shows that even expert-level recovery teams can miss osteological evidence. The present research examined recovery rates and distances using dispersed nonhuman (pig [Sus scrofa], white-tailed deer [Odocoileus virginianus], and mule deer [O. hemionus]) bones with different taphonomic color alteration. Searching was done by a Special Emergency Response Team of the Massachusetts State Police during researcher-guided walk-throughs in a simulated outdoor surface scene. The authors hypothesized that sun-bleached bones would be recognized from the greatest distances due to their starker contrast from natural leaf litter as opposed to control bones or those with soil/decomposition staining. The control sample was unaltered, dry bone without significant staining, and the stained bones had variable brown color from decomposition and/or shallow burial. The sun-bleached bones were spotted at an average distance of 8.76 m ± 7.75 m, while soil/decomposition-stained bones were spotted at 4.09 m ± 2.79 m and the control sample at 6.73 m ± 5.40 m. As determined by a two-way ANOVA test, the interaction between bone color and distance was significant (p < 0.001). Sun-bleached bones had a 100.0% recovery rate (60/60), control bones 96.7% (58/60), and soil/decomposition-stained bones 70.0% (42/60). In addition, bone type also had a statistically significant effect on distance (p < 0.001), and therefore the likelihood of being recovered. Even expert-level recovery teams can miss osteological evidence during surface searches, with natural bone camouflage factoring into recovery success rates. As a result, increased training and education surrounding taphonomically altered bones is necessary for all personnel involved in forensic surface searching.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».