Sevilla y las ciudades del Bajo Guadalquivir entre la Tardoantigüedad y el Emirato
Bibliographic record
Abstract
En este trabajo se realiza un estudio de las ciudades del Bajo Guadalquivir, con especial atención a Sevilla, en el proceso de transición entre la Antigüedad Tardía y la Edad Media Islámica. Es bien conocida la extensa red urbana que existió en este ámbito geográfico durante el periodo romano imperial; sin embargo, durante la Tardoantigüedad y, especialmente, durante la Alta Edad Media, se atestigua una importante contracción en el número de ciudades activas. En este trabajo pretendemos no solo mostrar los diferentes procesos que afectaron a cada uno de los núcleos estudiados, sino también tratar de dar respuesta a los factores que determinaron el abandono o continuidad de estas ciudades, para finalmente aportar una visión general del proceso. Para ello, llevamos a cabo un análisis a diferentes escalas que nos permite realizar comparaciones y detectar la existencia de procesos comunes determinantes, como puede ser la influencia del río, o individualizados, con muy diversas casuísticas. Tratamos en primer lugar las urbes conocidas de la cuenca hidrográfica del Bajo Guadalquivir, y en el segundo lugar, a modo monográfico, el caso de Sevilla, la ciudad cabecera de este territorio.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".