Klassische Archäologie und Internet: Evaluation und Perspektiven eines Mediums
Bibliographic record
Abstract
SRI) zu schicken, endete allerdings schon bei der Eingabe des dritten Buchstabens von LOGIN mit einem Totalabsturz des Systems 1 .Seither hat sich vieles geändert, und das Internet gehört auch in der Klassischen Archäologie zunehmend zum wissenschaftlichen Alltag.Die Spannweite der Meinungen über das immer noch recht neue Medium ist allerdings innerhalb des Faches sehr breit und reicht von uneingeschränkter Begeisterung bis hin zu explizitem Misstrauen.Im Rahmen einer praktischen Übung, die im Sommersemester 2002 am Institut für Klassische Archäologie der Universität Bern stattfand, wurde daher versucht, zu einer möglichst objektiven Einschätzung des Internets für die Klassische Archäologie zu gelangen 2 .1. Instrumente 1.2.Suchmaschinen Für die Suche nach Informationen im Internet steht eine ganze Reihe verschiedener Instrumente zur Verfügung.Dazu gehören zunächst die allgemeinen Suchmaschinen, von denen die bekanntesten anhand ausgewählter Suchbegriffe hinsichtlich der Quantität und der Qualität der Ergebnisse für Fragestellungen der Klassischen Archäologie untersucht wurden 3 .Die erheblichen Unterschiede, die dabei festzustellen waren, lassen erkennen, dass
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 | 0.046 | 0.171 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.012 | 0.009 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
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".