Historical Cartographic Information for Cultural Heritage Applications in a Semantic Framework
Bibliographic record
Abstract
Les cartes historiques constituent un outil précieux pour la recherche en histoire, puisqu’elles sont dépositaires de renseignements sur l’espace qui reflètent la littératie géographique, l’idéologie et les préoccupations géopolitiques de l’époque où elles ont été établies – renseignements qui souvent ne sont pas fournis par d’autres sources. Les cartes historiques sont aussi un élément fondamental des applications dédiées au patrimoine culturel et aux sciences humaines numériques puisqu’elles donnent, en tant que cartes de base, une image de l’espace historique sur laquelle sont projetées d’autres ressources et le nom des lieux historiques, ce qui permet d’organiser et de géocoder diverses informations. Les cartes historiques devraient être abordées selon une approche sémantique qui considère les modèles et les normes de données des différentes disciplines liées au patrimoine culturel et aux sciences humaines numériques. C’est dans cet esprit que notre recherche poursuit des travaux antérieurs consistant à élaborer un profil d’application pour documenter les cartes historiques à partir du modèle du CIDOC et créer une base de données annotée de cartes historiques. Ce profil tient compte des concepts définitionnels de la carte et de ses relations aux objets, aux personnes, aux évènements et aux processus culturels. En vue de rassembler ces données et de les visualiser, une application web a été conçue à partir d’Arches, plateforme logicielle à code source ouvert destinée à la gestion du patrimoine culturel et compatible à la fois avec les normes du CIDOC et celles de l’information géographique.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.010 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
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".