Ganancias:
- Capacidad para mantener la integridad de los datos mientras se digitalizan y estandarizan unidades de registro como contexto/lugar, estratigrafía y Harris Matrix con inteligencia artificial.
- Capacidad para proteger los datos sin procesar y mantener rastreable cada transformación contra el riesgo de que la inteligencia artificial complete los datos faltantes y realice cambios silenciosos.
- Comprenda por qué el diccionario controlado, los metadatos y los principios abiertos/FAIR son esenciales para la futura usabilidad de los datos.
El valor científico de una excavación no reside en los hallazgos de oro que emergen de ella, sino en la calidad de sus registros. Un hallazgo que no esté bien documentado es casi irrelevante para la ciencia; Debido a que es un objeto que se desconoce dónde, en qué capa y con qué se encuentra, es simplemente un objeto hermoso. En esta unidad veremos el registro de excavaciones (la transcripción sistemática y la base de datos de cada contexto, hallazgo y observación) y cómo la IA puede acelerar la entrada, organización y estandarización de datos, pero por qué la responsabilidad de la integridad de los datos sigue siendo de los humanos.
Principio básico: la IA ayuda a organizar registros dispersos, estandarizarlos y encontrar inconsistencias; Pero qué datos son exactos, si un registro refleja la verdad y la integridad de los datos son responsabilidad humana. La IA corrige la forma de los datos, no garantiza su exactitud.
Unidades básicas del registro arqueológico
Contexto/lugar. Cada excavación divide el sitio en unidades de contexto (contexto/lugar: un depósito, capa, pozo o muro individual; la unidad más pequeña de significado de la excavación). Cada contexto recibe un número único y todos los hallazgos están asociados con ese número.
Estratigrafía y Matriz de Harris. La estratigrafía (la relación antes y después de las capas entre sí) es la base de la datación relativa. La Matriz de Harris (un diagrama que muestra el orden de los contextos entre sí) visualiza estas relaciones. La IA ayuda a detectar relaciones estratigráficas inconsistentes (por ejemplo, un error cíclico "A está tanto por encima como por debajo de B").
Encuentra inventario. Cada hallazgo; Se registra el contexto con número, tipo, tamaño, material, condición y fotografía.
Estándares de datos. Se utilizan estándares comunes para que los registros sean compartibles y comparables. CIDOC-CRM (un marco conceptual/ontología internacional desarrollado para describir datos del patrimonio cultural) permite que los datos de diferentes instituciones se comuniquen entre sí. Se utiliza un diccionario controlado de términos (una lista aprobada que garantiza que todos utilicen el mismo término para el mismo concepto).
Consejo: utilice la IA para “organizar y auditar” los datos, no “interpretarlos”. “¿Qué números de contexto son contradictorios en estos registros?” Es una buena pregunta; "¿A qué época pertenece este contexto?" Es una decisión de expertos. Donde la IA es más fuerte es en la verificación de la coherencia.
Funciones de la IA en el registro y la base de datos
- Digitalización. Los cuadernos de excavación escritos a mano, las tarjetas de inventario y los dibujos antiguos se importan a la base de datos con reconocimiento de texto impulsado por IA (esto enlaza con HTR en la unidad 6).
- Normalización. Se asignan diferentes grafías ("byzantium", "Byzantium", "byz.") al diccionario controlado; las fechas y las medidas se llevan a una forma uniforme.
- Comprobación de coherencia. Se marcan errores como falta de número de contexto, estratigrafía contradictoria, uso del mismo número en dos hallazgos diferentes.
- Consulta y resumen. Se generan rápidamente consultas como "Todos los hallazgos de vidrio en el siguiente contexto" y tablas de resumen.
Precaución: al estandarizar, la IA puede modificar datos silenciosamente mientras intenta "arreglarlos"; por ejemplo, puede redondear una medición a un valor "razonable" o completar una lectura incierta con su propia estimación. Cada cambio automático debe ser rastreable y se debe conservar el registro original. Los datos sin procesar nunca se sobrescriben.
tres mini casos
Caso 1: La digitalización salvó el archivo. Un museo guardaba 40 años de tarjetas de inventario escritas a mano (unas 22.000 tarjetas) en riesgo de perderse. El reconocimiento y la estandarización de texto impulsados por IA importaron las tarjetas a una base de datos con capacidad de búsqueda; Un examinador humano revisó cada tarjeta a modo de muestra y las áreas ilegibles se marcaron como "poco claras".
Caso 2: Se encontraron errores en la verificación de inconsistencia. Un equipo de excavación hizo que la IA auditara la base de datos al final de la temporada; YZ marcó que tres hallazgos tenían el mismo número de contexto pero información de capa contradictoria. La revisión reveló un error en el ingreso de datos; si no se corrige, habría distorsionado la interpretación estratigráfica.
Caso 3: Se detectó un cambio silencioso. Mientras estandarizaba las mediciones, un asistente notó que la IA interpretaba algunos valores “0” como “cero” en lugar de “faltantes”; esto distorsionó las longitudes de las piezas rotas. El proceso se reconstruyó para conservar los datos originales pero mantener los cambios en una columna separada.
Cuatro plantillas copiables
1) Estandarización (diccionario controlado):
Su función: asistente de gestión de datos. Asigne los valores de [campo:material/período/tipo] en los siguientes registros al siguiente diccionario controlado: [lista de diccionarios]. CAMBIAR valores que no tienen equivalentes en el diccionario; Márquelo como "no coincide". Informe cada cambio como un par original-nuevo; eliminar datos sin procesar.
2) Verificación de coherencia:
Encuentre inconsistencias en los siguientes registros de excavación: números de contexto repetitivos, campos obligatorios faltantes, relaciones estratigráficas conflictivas, fechas/mediciones incómodas. Enumere cada problema con el número de registro y déjeme a MÍ solucionarlo; no lo cambie usted mismo.
3) Control lógico de la Matriz de Harris:
A continuación se muestran las relaciones estratigráficas entre contextos (A arriba/debajo de B). ¿Existe una contradicción lógica (bucle, relación bidireccional)? Muestre qué contextos, si los hay. No comentes; simplemente verifique la coherencia lógica.
4) Consulta y cuadro resumen:
El siguiente extracto del volcado de la base de datos a continuación: [p.ej. encontrar distribución de tipos por contexto]. Proporcione el resultado en forma de tabla, especificando de qué registros se deriva cada fila. NO AGREGUE ningún valor que no exista en los datos; Si está vacío escribe "sin datos".
Aviso débil / Aviso fuerte
Aviso débil:
Corrija los datos de esta excavación y complete los elementos que faltan.
“Rellenar los huecos” permite a la IA ajustar los datos; El resultado es una base de datos poco fiable donde se mezclan realidad y ficción.
Potente mensaje:
Marque SÓLO las inconsistencias formales (ortografía, formato de fecha, identificación duplicada) en los datos de excavación a continuación. COMPLETAR los valores faltantes; Déjalo como "incompleto". Enumere cada cambio propuesto junto con el original; Yo daré el visto bueno. Cambiar datos sin procesar.
Diferencia: el primero corrompe los datos silenciosamente; El segundo controla y deja la decisión al humano.
Buen modelo de datos: campos, relaciones y metadatos.
Una base de datos arqueológica no es una tabla arbitraria, sino un modelo de datos reflexivo (un modelo de qué tablas, qué campos y en qué relaciones se organizarán los datos). El principio básico es que todo depende del contexto: los hallazgos se relacionan con el contexto, los contextos entre sí (estratigrafía) y el campo. Cada registro lleva una identidad (ID) única y las relaciones se establecen a través de estas identidades; Un hallazgo se refiere a un contexto único; un contexto puede contener muchos hallazgos.
Tan importantes como la grabación son los metadatos (datos sobre los datos en sí: quién los registró, cuándo, con qué método, qué versión). Un registro que se desconoce quién, cuándo y con qué confianza fue ingresado no podrá ser cuestionado en el futuro. La IA es útil para comprobar el llenado coherente de los campos de metadatos y marcar los metadatos faltantes.
Otro principio fundamental es un formato abierto y sostenible. En lugar de encerrar los datos en software cerrado y propietario, mantenerlos cerca de estándares abiertos (tablas basadas en texto, esquemas documentados) garantiza que los datos se puedan leer décadas después. Los datos arqueológicos no se producen para una publicación única sino para las generaciones futuras; Es por eso que los principios FAIR (búsqueda, accesibilidad, interoperabilidad y reutilización de datos) se han vuelto cada vez más estándar. La IA es útil para etiquetar sus datos de acuerdo con estos principios y encontrar deficiencias; Pero depende de usted decidir qué datos permanecerán abiertos y cuáles seguirán siendo confidenciales (confidenciales).
Consejo: cuando esté configurando su base de datos, pregúntese: "¿Alguien que no sepa esto puede abrirla y comprenderla en 10 años?" preguntar. Explique sus abreviaturas en un glosario, complete los campos de metadatos y haga una copia de seguridad de los datos sin procesar en un formato abierto.
Tabla de tareas de registro/base de datos
Búsqueda
Papel de la IA
decisión humana
regla de protección
digitalización
reconocimiento de texto
Confirmación de lectura vaga
Se almacena el escaneo sin procesar
estandarización
Mapa al diccionario
Decisión de valor no coincidente
Se conserva el original
consistencia
Marcado de contradicción
corrección
Se realiza un seguimiento del cambio
estratigrafía
control lógico
Comentario
Aprobación de expertos de Matrix
Consulta/resumen
Producción de mesa
Comentario, elección
Fidelidad a los datos
Errores comunes
- Completando datos faltantes. La IA compensa; Los desaparecidos deben quedar "incompletos".
- Sobrescribiendo los datos sin procesar. Siempre se conserva el original; los cambios se mantienen separados.
- Sin notar cambios silenciosos. Cada conversión automática debe ser reportada y auditada.
- Saltándose el estándar. Sin un diccionario controlado y un modelo común, los datos no se pueden compartir.
- Hacer que la IA realice la interpretación estratigráfica. La IA encuentra una contradicción lógica; El comentario es para el experto.
En resumen
IA en registros y bases de datos de excavaciones; Proporciona gran rapidez en trabajos de digitalización, estandarización, comprobación de coherencia y consulta. Pero la integridad de los datos es sagrada: ninguna pieza faltante queda intacta, los datos sin procesar se conservan, se realiza un seguimiento de cada cambio y la interpretación estratigráfica pertenece al experto. Los buenos registros son el legado más valioso que la excavación deja al futuro.
Tarea de aplicación
Prepare una pequeña tabla de datos de excavación de muestra (10 a 20 registros); Incluya deliberadamente algunas inconsistencias allí (identificación duplicada, fecha deformada, capa en conflicto). Haga que la IA los encuentre con patrones de “verificación de coherencia” y “verificación lógica de Harris Matrix”; luego escriba un diccionario controlado y asigne el campo de material a la plantilla "Estandarización" y asegúrese de conservar los datos sin procesar.
lista de verificación
- [] Guardé los datos sin procesar por separado, sin modificar.
- [] No hice que la IA completara las partes faltantes; Lo dejé como "incompleto".
- [ ] He comprobado cada cambio automático con el original.
- [] Utilicé un diccionario controlado y un estándar de datos.
- [ ] La interpretación estratigráfica la realicé con base en juicio de expertos.