MétaCan
Menu
Retour à la cohorte
Enregistrement W6950451379 · doi:10.5281/zenodo.8072178

Survey Planning, Allocation, Costing and Evaluation (SPACE) Project: Developing a Tool to Help Archaeologists Conduct More Effective Surveys

2024· article· en· W6950451379 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Processing and 3D Reconstruction
Établissements canadiensNova Scotia Community CollegeUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésActivity-based costingQuality (philosophy)SoftwareSample (material)Modular designSpace (punctuation)Transect

Résumé

récupéré en direct d'OpenAlex

Designing an effective archaeological survey can be complicated and confidence that it was effective requires post-survey evaluation. The goal of SPACE is to develop software to facilitate survey designers’ decisions and partially automate tools that depend on mathematical models so that archaeologists can conduct surveys that accomplish their goals and evaluate their results more easily. We aim for SPACE to be a modular and accessible web-based platform for survey planning and quality assurance, with a “front end” that has a non-threatening, question-and-answer format. Its several interacting modules will ultimately include ones for evaluating visibility, estimating sweep widths and coverage, costing, determining sample sizes, transect and test-pit intervals, allocating effort optimally for stratified samples and predictive surveys, and quality assurance. In this paper, we focus on the module for estimating fieldwalkers’ sweep widths on the basis of “calibrations” on fields seeded with artifacts, while also reviewing the overall structure of the project. Sweep widths are critical for estimating coverage, evaluating survey effectiveness and quality, and planning transect intervals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,004

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 Opus0,086
Tête enseignante GPT0,339
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetImage Processing and 3D ReconstructionTravaux en français237 207