MétaCan
Menu
Retour à la cohorte
Enregistrement W6962381458 · doi:10.17026/ar/jsvgpn

Onderzoek Romeins grijs aardewerk in Kromme Rijngebied

2024· dataset· nl· W6962381458 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2024
Typedataset
Languenl
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensKelowna General Hospital
Organismes subventionnairesnon disponible
Mots-clésQualitative analysisStatistical analysis

Résumé

récupéré en direct d'OpenAlex

Het Kromme Rijngebied, tot nu toe weinig onderzocht voor Romeins grijs aardewerk, staat centraal in een nieuw onderzoeksproject, gesteund door het Archeologiefonds van de AWN. Dit project, geleid door Henk Rebel van AWN-afdeling Utrecht, richt zich op de studie van Low Lands Ware 1, Bataafs grijs, en andere regionale bakselsoorten, met als doel bij te dragen aan het landelijke archeologische onderzoek naar deze aardewerksoorten. Het biedt leden de kans om mee te werken aan wetenschappelijk onderzoek. De AWN-afdeling Utrecht is actief in het selecteren, benoemen, en catalogiseren van Romeins aardewerk, waarbij determinatieproblemen van grijs en oranje/rood aardewerk aanleiding geven tot nader onderzoek. Dit project zal zich richten op het nader onderzoeken en classificeren van Romeins grijs aardewerk in het Kromme Rijngebied, gebruikmakend van recente ontwikkelingen in bakselonderzoek. Het onderzoek beoogt de aanwezigheid, aantallen, en percentages van verschillende soorten grijze baksels vast te stellen, inclusief LLW 1 en Bataafs Grijs, en verschillen in baksel tussen locaties te onderzoeken. Het project heeft al brede steun en interesse gewekt binnen de archeologische gemeenschap, inclusief bijdragen van academici en AWN-leden met diverse expertises. Dit benadrukt de mogelijkheid van wetenschappelijk verantwoord onderzoek door vrijwilligers en de waarde van samenwerking binnen de archeologie.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,004
Communication savante0,0080,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0500,010

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 Opus0,028
Tête enseignante GPT0,255
Écart entre enseignants0,227 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetRice Cultivation and Yield ImprovementTravaux en français237 207