La caractérisation chimique de cherts du Bas-Saint-Laurent et de la Gaspésie : vers le développement d’une méthode d’analyse non destructrice
Bibliographic record
Abstract
Ce projet a comme objectif général de participer au développement et de tester le potentiel de la méthode d’analyse par fluorescence aux rayons X du laboratoire de caractérisation non destructrice de l’Université de Montréal, en procédant à la caractérisation chimique de cherts provenant de deux carrières distinctes, exploitées à diverses périodes au cours de la préhistoire, soit celle de La Martre (DhDm-8, Gaspésie) et celle du site CkEe-28 (Témiscouata). En fonction des comportements de chacun des éléments, six d’entre eux furent sélectionnés pour effectuer la caractérisation, parmi lesquels on compte trois éléments majeurs (Si, Al, Fe) et trois éléments traces (Ba, La, Ce). D’un point de vue méthodologique, les résultats confirment que l’appareillage du laboratoire est apte à procéder à ce genre d’analyse non destructrice, tandis que sur le plan archéométrique, il s’est avéré possible de discriminer les cherts sur la base de graphiques et d’une analyse statistique discriminante. Afin de vérifier si cette caractérisation est utile et pertinente dans un cadre archéologique, l’analyse d’artéfacts en chert provenant des sites de l’anse à la Vache (DaEi-6, île Verte), Turcotte-Lévesque (DaEi-8, île Verte) et de Rimouski (DcEd-1) fut aussi effectuée dans le but de localiser l’un ou l’autre des cherts au sein des assemblages. Les résultats démontrent que la caractérisation est fonctionnelle dans un cadre archéologique, puisque les cherts des carrières de La Martre et Touladi furent repérés sur chacun des sites, à l’exception du site de Rimouski, où seul le chert Touladi semble présent.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".