Descrizione del progetto
Spianare la strada a modelli computazionali accurati nell’archeologia del paesaggio
L’archeologia del paesaggio, ovvero lo studio del rapporto tra le società del passato e i loro ambienti, deve affrontare sfide fondamentali. Una di questi è l’incertezza nelle ricostruzioni archeologiche dei paesaggi del passato, dovuta alla natura frammentaria dei dati archeologici. Il progetto NeFLaRA, nell’ambito del programma di azioni Marie Skłodowska-Curie, si occupa di questo aspetto. L’obiettivo è creare un nuovo e solido quadro quantitativo per modelli computazionali più accurati di paesaggi del passato, migliorandone l’affidabilità e accrescendone il potenziale interpretativo. A tal fine, il progetto esplorerà, valuterà e applicherà un’ampia gamma di metodi di quantificazione dell’incertezza, analisi delle reti spaziali e geovisualizzazione utilizzando banche dati provenienti dai Caraibi, dall’Amazzonia e dall’Europa.
Obiettivo
NeFLaRA (A New Framework for Landscape Research in Archaeology) is an interdisciplinary project that will help address landscape archaeology’s most fundamental challenge: the inherent uncertainty in archaeological reconstructions of past landscapes as a result of the fragmentary nature of archaeological data. Landscape archaeology studies the relationship between past societies and their environments. Computational and other methods in archaeological landscape research, and the humanities more broadly, focus almost exclusively on spatial elements, although there is a clear notion that time and histories are fundamentally connected to the landscape. Yet, this dominance of space in landscape research suffers from the major challenge of the fragmentary nature of archaeological data, particularly when this data comes from a ‘non-systematic’ regional survey as opposed to ‘systematic total area’ survey. While landscape archaeology has benefited from computational developments, a protocol to overcome the embedded uncertainty on spatial data is absent. By defining best practices, identifying optimal methods and outlining clear protocols for different datasets and spatial analyses, this project will create a new robust quantitative framework for more accurate computational models of past landscapes, improving their reliability and enhancing their interpretative potential. To achieve this, NeFLaRA will focus on three methodological gaps: (1) the lack of validated methods for quantifying the uncertainty of non-systematic regional archaeological data and models, (2) the poorly explored field of research combining spatial analysis (statistics and geographical information systems [GIS]) and network analysis to study non-systematic regional databases, and (3) the lack of a best practice guidelines and method pipelines for geo-visual representations that take into account uncertainty in multiscalar spatial data.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- scienze naturaliinformatica e scienze dell'informazionebasi di dati
- scienze umanistichestoria e archeologiastoria
- scienze naturaliscienze della terra e scienze ambientali connessegeografia fisicacartografiasistemi di informazione geografica
- scienze umanistichestoria e archeologiaarcheologia
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Invito a presentare proposte
(si apre in una nuova finestra) HORIZON-MSCA-2021-PF-01
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinatore
8000 Aarhus C
Danimarca