The Accuracy of Urban Maps in Spain through GIS: The Example of Burgos from the Nineteenth to the Twentieth Century
Bibliographic record
Abstract
Les documents cartographiques sur la ville de Burgos existent en très grande quantité, à cause de son importance géographique et historique, qui en fait un lieu clé de la configuration politique, militaire et administrative de l’Espagne tout au long de son histoire. Nous avons dû, par conséquent, réaliser en plusieurs étapes distinctes la collecte et l’analyse du matériel cartographique disponible, et la sélection des cartes et des plans que nous allions utiliser pour porter et structurer nos recherches. Comme dans toutes les études, et malgré les avancées technologiques, y compris dans les appareils employés pour numériser les artéfacts, il existe une possibilité d’erreur, qui fait que le document consulté à l’écran n’est pas aussi fiable qu’on pourrait le souhaiter. En tenant compte de l’exactitude hypothétique des cartes réunies et utilisées, nous proposons ici une analyse thématique des documents qui repose sur leur sélection, leur géolocalisation et leur comparaison avec le plan actuel de la ville, en fonction de différents critères. La richesse de la documentation nous permet d’extrapoler les résultats à d’autres villes d’Espagne, et de mieux connaitre le processus d’établissement des cartes qui avait cours aux 19e et 20e siècles.
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 | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.010 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".