Étude taphonomique en contexte forestier boréal : les applications de la géomatique en archéologie expérimentale
Notice bibliographique
Résumé
Lors de fouilles archéologiques, il faut prendre sérieusement en considération le contexte d’où proviennent les artefacts. Ce contexte aide l’archéologue à concevoir une interprétation qui se veut le plus près possible de la réalité. Il faut cependant garder en tête que rarement le contexte archéologique est vierge de perturbation. Plusieurs processus naturels et facteurs anthropiques ont cours lors des différentes phases de formation d’un site archéologique, variant d’autant plus selon les types de sols, et ayant de multiples impacts sur les artefacts que ce soit sur leur distribution ou leur intégrité physique. Ces phénomènes, connus sous le nom de processus taphonomiques dans la discipline archéologique, sont étudiés depuis le début des années 1970, principalement à travers les travaux de Michael B. Schiffer portant sur la Behavioral archaeology (1976, 1987, 1995). Jusqu’à aujourd’hui, les expériences de taphonomie archéologique, portant sur différents processus de formation des sites archéologiques, ont été conduites essentiellement en Europe en milieu périglaciaire, dans le centre des États-Unis et au Brésil. La littérature ne présente pas, actuellement, de méthodologie permettant d’évaluer le déplacement de vestiges archéologiques dans un milieu forestier boréal comme celui observable au Saguenay-Lac-Saint-Jean. En d’autres mots, il n’y avait pas, jusqu’à présent, de données permettant d’évaluer le déplacement horizontal, l’enfouissement, la perte par les processus diagenétiques et la destruction du matériel lithique, végétal et ostéologique dans un contexte forestier boréal. Le présent mémoire propose les prémisses d’une réflexion portant sur l’élaboration d’une méthodologie dans le cadre d’une expérience en archéologie expérimentale, intégrant notamment la photogrammétrie et des logiciels de géomatique tels qu’ArcGIS Pro pour la collecte et le traitement des données. Les premières données et leur analyse seront dès lors présentées, discutées et des hypothèses portant sur les possibles processus taphonomiques ayant eu cours seront élaborées.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,106 | 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 ».