Étude taphonomique en contexte forestier boréal : les applications de la géomatique en archéologie expérimentale
Bibliographic record
Abstract
Lors de fouilles archéologiques, il faut prendre sérieusement en considération le contexte d’où proviennent les artefacts. Ce contexte aide l’archéologue à concevoir une interprétation qui se veut le plus près possible de la réalité. Il faut cependant garder en tête que rarement le contexte archéologique est vierge de perturbation. Plusieurs processus naturels et facteurs anthropiques ont cours lors des différentes phases de formation d’un site archéologique, variant d’autant plus selon les types de sols, et ayant de multiples impacts sur les artefacts que ce soit sur leur distribution ou leur intégrité physique. Ces phénomènes, connus sous le nom de processus taphonomiques dans la discipline archéologique, sont étudiés depuis le début des années 1970, principalement à travers les travaux de Michael B. Schiffer portant sur la Behavioral archaeology (1976, 1987, 1995). Jusqu’à aujourd’hui, les expériences de taphonomie archéologique, portant sur différents processus de formation des sites archéologiques, ont été conduites essentiellement en Europe en milieu périglaciaire, dans le centre des États-Unis et au Brésil. La littérature ne présente pas, actuellement, de méthodologie permettant d’évaluer le déplacement de vestiges archéologiques dans un milieu forestier boréal comme celui observable au Saguenay-Lac-Saint-Jean. En d’autres mots, il n’y avait pas, jusqu’à présent, de données permettant d’évaluer le déplacement horizontal, l’enfouissement, la perte par les processus diagenétiques et la destruction du matériel lithique, végétal et ostéologique dans un contexte forestier boréal. Le présent mémoire propose les prémisses d’une réflexion portant sur l’élaboration d’une méthodologie dans le cadre d’une expérience en archéologie expérimentale, intégrant notamment la photogrammétrie et des logiciels de géomatique tels qu’ArcGIS Pro pour la collecte et le traitement des données. Les premières données et leur analyse seront dès lors présentées, discutées et des hypothèses portant sur les possibles processus taphonomiques ayant eu cours seront élaborées.
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 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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.106 | 0.000 |
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 teacher head, 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".