MétaCan
Menu
Retour à la cohorte
Enregistrement W6963358865 · doi:10.17613/1b57-wa10

The Great Divide

2024· article· en· W6963358865 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge Commons (Lakehead University) · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHistorical and Religious Studies of Rome
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBarbarianAntiqueMiddle AgesEthnic groupVisual cultureLate AntiquityIdentity (music)Roman art

Résumé

récupéré en direct d'OpenAlex

Ethnicity and identity have formed a major focus in late antique and early medieval archaeology and history. Wide-ranging debates between the so-called Vienna and Toronto Schools have had massive impacts beyond early medieval history, as has the famous project, The Transformation of the Roman World. Here, a new paradigm emerged, slowly substituting the previous ‘decline-and-fall’ ideas of the antique world with that of ‘transformation’. The study of late Antiquity and the early Middle Ages in the Roman West is thus very much entangled with research on identity, ethnicity, and grand narratives, such as transformation or decline, ‘Germanic’ or barbarian invasions. These influential concepts and ideas should not be underestimated in the study of art and visual culture as they too frame the historical scenes in which art history is set. Since the mid-2000s, there have been new debates, mostly (but not solely) triggered by Heather, Ward-Perkins, and Halsall. The question of the extent to which ethnicity has played a significant role in the use of material culture, and to which it can thereby be identified in the archaeological record, has been widely, and often intensely, debated across late antique and medieval archaeology. The research on art and visual culture, however, embarked on a different tangent. Largely ignoring recent debates in history and archaeology, most scholars still emphasise the function of early medieval art and images as fostering perceptions of ‘Germanic’ identity, ethnicity, or religion. But why does the ‘Germanic’ remain such a pervasive terminology?

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil0,572

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0070,006
Science ouverte0,0010,007
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,1710,039

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 Opus0,031
Tête enseignante GPT0,215
Écart entre enseignants0,184 · 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
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge Commons (Lakehead University)Même sujetHistorical and Religious Studies of RomeTravaux en français237 207