Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
De AWN-Werkgroep Geofysische Meettechnieken in de Archeologie (WGMA) voerde op 25 en 26 juni 2024 in samenwerking met de Universiteit van Amsterdam en CARE Schylge een geofysisch onderzoek uit op Terschelling. Het (voor)onderzoek richt zich op vijf locaties: Kasteel van Aremberg, Pastorie van Striep, Terp van Striep, Terp van Horp en de Stins bij Oosterend. Doel is om structuren te identificeren die verband houden met historische bebouwing en om meer te leren over de ontwikkeling van Terschelling en zijn wateren. Hierbij worden niet-destructieve technieken zoals grondradar en weerstandmetingen gebruikt. Een belangrijk aspect van het project is de gemeenschapsarcheologie, waarbij lokale bewoners actief betrokken worden. Hun diepgewortelde kennis van het landschap en de geschiedenis verrijkt het onderzoek en versterkt het gemeenschapsgevoel. Het vooronderzoek bouwt voort op eerdere bevindingen van RAAP Archeologisch Adviesbureau en Saricon BV, die waardevolle data hebben geleverd over de onderzochte locaties. De WGMA zet deze en AHN-data in om specifieke onderzoeksvragen te beantwoorden, zoals het vinden van structuren die duiden op vroegere bebouwing of het in kaart brengen van historische geulen. Het veldwerk is gepland over twee dagen, waarbij op verschillende locaties metingen worden verricht in nauwkeurig bepaalde meetvlakken. De resultaten van deze metingen zullen worden geanalyseerd om gedetailleerde kaarten van ondergrondse structuren te maken, wat bijdraagt aan een beter begrip van de archeologische en historische context van Terschelling. De integrale aanpak van de WGMA, gecombineerd met de betrokkenheid van de gemeenschap, biedt unieke inzichten in de geschiedenis van het eiland en bevordert tegelijkertijd de betrokkenheid van de eilandbewoners bij hun eigen erfgoed.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.004 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.008 | 0.012 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.610 |
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 it