La gestión del patrimonio arqueológico: un futuro abierto para Navarra
Bibliographic record
Abstract
En estos momentos, doce Comunidades Autónomas y el propio Estado español han aprobado Leyes sobre Patrimonio Histórico o Cultural. Navarra todavía no lo ha hecho. La experiencia de redacción, aprobación y aplicación de esos textos legales es una buena base para proponer una serie de análisis, comentarios y recomendaciones especialmente aplicables al Patrimonio Arqueológico, que puedan, en su caso, ser tenidas en cuenta a la hora de elaborar una posible Ley de Navarra. Con este objetivo se analiza el tema de las denominaciones, los grados de protección, la Evaluación del Impacto Ambiental, las relaciones entre el Patrimonio Histórico/Cultural y el Planeamiento territorial, las previsiones sobre la Educación, la protección de los lugares en los que se sospecha la existencia de restos arqueológicos, las nuevas figuras arqueológicas como Zonas de Reserva o Parques Arqueológicos, un aspecto muy concreto de la normativa sobre hallazgos casuales, la respuesta de algunas Comunidades al controvertido tema de los detectores de metales y las regulaciones sobre intervenciones o actuaciones arqueológicas. Se termina llamando la atención sobre el hecho de que lo verdaderamente importante no es tanto un adecuado texto legal como una verdadera y firme voluntad política de ponerlo en práctica.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.011 | 0.011 |
| Scholarly communication | 0.011 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".